Bangun dari sumber

Buat paket pip TensorFlow dari sumber dan instal di Ubuntu Linux dan macOS. Sementara instruksi mungkin bekerja untuk sistem lain, itu hanya diuji dan didukung untuk Ubuntu dan macOS.

Catatan: Paket TensorFlow bawaan yang teruji dengan baik untuk sistem Linux dan macOS sudah disediakan.

Pengaturan untuk Linux dan macOS

Instal alat build berikut untuk mengonfigurasi lingkungan pengembangan Anda.

Instal dependensi paket Python dan TensorFlow

Ubuntu

sudo apt install python3-dev python3-pip

macOS

Membutuhkan Xcode 9.2 atau lebih baru.

Instal menggunakan manajer paket Homebrew :

brew install python

Instal dependensi paket pip TensorFlow (jika menggunakan lingkungan virtual, abaikan argumen --user ):

pip install -U --user pip numpy wheel packaging requests opt_einsum
pip install -U --user keras_preprocessing --no-deps

Catatan: Diperlukan versi pip >19.0 untuk menginstal paket .whl TensorFlow 2. Ketergantungan tambahan yang diperlukan tercantum dalam file setup.py di bawah REQUIRED_PACKAGES .

Instal Bazel

Untuk membangun TensorFlow, Anda perlu memasang Bazel. Bazelisk adalah cara mudah untuk menginstal Bazel dan secara otomatis mendownload versi Bazel yang benar untuk TensorFlow. Untuk kemudahan penggunaan, tambahkan Bazelisk sebagai bazel yang dapat dieksekusi di PATH Anda.

Jika Bazelisk tidak tersedia, Anda dapat menginstal Bazel secara manual. Pastikan untuk menginstal versi Bazel yang benar dari file .bazelversion TensorFlow.

Instal Dentang (disarankan, hanya Linux)

Dentang adalah kompiler C/C++/Objective-C yang dikompilasi dalam C++ berdasarkan LLVM. Ini adalah compiler default untuk membangun TensorFlow dimulai dengan TensorFlow 2.13. Versi yang didukung saat ini adalah LLVM/Dentang 16.

Paket LLVM Debian/Ubuntu nightly menyediakan skrip instalasi otomatis dan paket untuk instalasi manual di Linux. Pastikan Anda menjalankan perintah berikut jika Anda menambahkan repositori apt llvm secara manual ke sumber paket Anda:

sudo apt-get update && sudo apt-get install -y llvm-16 clang-16

Sebagai alternatif, Anda dapat mengunduh dan membongkar binari Clang+LLVM-16 bawaan .

Instal dukungan GPU (opsional, hanya Linux)

Tidak ada dukungan GPU untuk macOS.

Baca panduan dukungan GPU untuk menginstal driver dan perangkat lunak tambahan yang diperlukan untuk menjalankan TensorFlow pada GPU.

Catatan: Lebih mudah menyiapkan salah satu gambar Docker yang didukung GPU TensorFlow .

Unduh kode sumber TensorFlow

Gunakan Git untuk mengkloning repositori TensorFlow :

git clone https://github.com/tensorflow/tensorflow.git
cd tensorflow

Repo default ke cabang pengembangan master . Anda juga dapat melihat cabang rilis untuk dibuat:

git checkout branch_name  # r2.2, r2.3, etc.

Opsional: Konfigurasikan build

Build TensorFlow dikonfigurasi oleh file .bazelrc di direktori root repositori. Skrip ./configure atau ./configure.py dapat digunakan untuk menyesuaikan pengaturan umum.

Jika Anda perlu mengubah konfigurasi, jalankan skrip ./configure dari direktori root repositori. Skrip ini akan menanyakan lokasi dependensi TensorFlow dan meminta opsi konfigurasi build tambahan (flag compiler, misalnya). Lihat bagian sesi Sampel untuk detailnya.

./configure

Ada juga versi python dari skrip ini, ./configure.py . Jika menggunakan lingkungan virtual, python configure.py memprioritaskan jalur di dalam lingkungan, sedangkan ./configure memprioritaskan jalur di luar lingkungan. Dalam kedua kasus, Anda dapat mengubah default.

Sesi sampel

Berikut ini adalah contoh menjalankan skrip ./configure (sesi Anda mungkin berbeda):

Lihat sesi konfigurasi contoh

./configure
You have bazel 5.0.0 installed.
Please specify the location of python. [Default is /Library/Frameworks/Python.framework/Versions/3.9/bin/python3]: 


Found possible Python library paths:
  /Library/Frameworks/Python.framework/Versions/3.9/lib/python3.9/site-packages
Please input the desired Python library path to use.  Default is [/Library/Frameworks/Python.framework/Versions/3.9/lib/python3.9/site-packages]

Do you wish to build TensorFlow with ROCm support? [y/N]: n
No ROCm support will be enabled for TensorFlow.

Do you wish to build TensorFlow with CUDA support? [y/N]: n
No CUDA support will be enabled for TensorFlow.

Do you wish to download a fresh release of clang? (Experimental) [y/N]: n
Clang will not be downloaded.

Please specify optimization flags to use during compilation when bazel option "--config=opt" is specified [Default is -Wno-sign-compare]: n


Would you like to interactively configure ./WORKSPACE for Android builds? [y/N]: n
Not configuring the WORKSPACE for Android builds.

Do you wish to build TensorFlow with iOS support? [y/N]: n
No iOS support will be enabled for TensorFlow.

Preconfigured Bazel build configs. You can use any of the below by adding "--config=<>" to your build command. See .bazelrc for more details.
    --config=mkl            # Build with MKL support.
    --config=mkl_aarch64    # Build with oneDNN and Compute Library for the Arm Architecture (ACL).
    --config=monolithic     # Config for mostly static monolithic build.
    --config=numa           # Build with NUMA support.
    --config=dynamic_kernels    # (Experimental) Build kernels into separate shared objects.
    --config=v1             # Build with TensorFlow 1 API instead of TF 2 API.
Preconfigured Bazel build configs to DISABLE default on features:
    --config=nogcp          # Disable GCP support.
    --config=nonccl         # Disable NVIDIA NCCL support.

Opsi konfigurasi

Dukungan GPU

Untuk dukungan GPU , atur cuda=Y selama konfigurasi dan tentukan versi CUDA dan cuDNN. Jika sistem Anda memiliki beberapa versi CUDA atau cuDNN yang diinstal, setel versi secara eksplisit alih-alih mengandalkan default. ./configure membuat tautan simbolik ke pustaka CUDA sistem Anda—jadi jika Anda memperbarui jalur pustaka CUDA, langkah konfigurasi ini harus dijalankan lagi sebelum membangun.

Pengoptimalan

Untuk tanda pengoptimalan kompilasi, default ( -march=native ) mengoptimalkan kode yang dihasilkan untuk jenis CPU mesin Anda. Namun, jika membuat TensorFlow untuk jenis CPU yang berbeda, pertimbangkan tanda pengoptimalan yang lebih spesifik. Periksa manual GCC untuk contoh.

Konfigurasi yang telah dikonfigurasi sebelumnya

Ada beberapa konfigurasi build prakonfigurasi yang tersedia yang dapat ditambahkan ke perintah bazel build , misalnya:

• --config=dbg —Bangun dengan info debug. Lihat CONTRIBUTING.md untuk detailnya.
• --config=mkl —Dukungan untuk Intel® MKL-DNN .
• --config=monolithic —Konfigurasi untuk bangunan monolitik yang sebagian besar statis.

Bangun dan instal paket pip

Paket pip dibangun dalam dua langkah. Perintah bazel build membuat program "package-builder". Anda kemudian menjalankan pembuat paket untuk membuat paket.

Bangun pembuat paket

Gunakan bazel build untuk membuat pembuat paket TensorFlow 2.x dengan dukungan khusus CPU :

bazel build [--config=option] //tensorflow/tools/pip_package:build_pip_package

Dukungan GPU

Catatan: Dukungan GPU dapat diaktifkan dengan cuda=Y selama tahap ./configure .

Untuk mem-build pembuat paket TensorFlow dengan dukungan GPU:

bazel build --config=cuda [--config=option] //tensorflow/tools/pip_package:build_pip_package

Opsi build Bazel

Lihat referensi baris perintah Bazel untuk opsi build .

Membangun TensorFlow dari sumber dapat menggunakan banyak RAM. Jika sistem Anda dibatasi memori, batasi penggunaan RAM Bazel dengan: --local_ram_resources=2048 .

Paket resmi TensorFlow dibuat dengan toolchain Clang yang sesuai dengan standar paket manylinux2014.

Membangun paket

Perintah bazel build membuat sebuah executable bernama build_pip_package — ini adalah program yang membangun paket pip . Jalankan executable seperti yang ditunjukkan di bawah ini untuk membuat paket .whl di direktori /tmp/tensorflow_pkg .

Untuk membangun dari cabang rilis:

./bazel-bin/tensorflow/tools/pip_package/build_pip_package /tmp/tensorflow_pkg

Untuk membangun dari master, gunakan --nightly_flag untuk mendapatkan dependensi yang tepat:

./bazel-bin/tensorflow/tools/pip_package/build_pip_package --nightly_flag /tmp/tensorflow_pkg

Meskipun dimungkinkan untuk membangun konfigurasi CUDA dan non-CUDA di pohon sumber yang sama, disarankan untuk menjalankan bazel clean saat beralih di antara kedua konfigurasi ini di pohon sumber yang sama.

Instal paketnya

Nama file dari file .whl yang dihasilkan bergantung pada versi TensorFlow dan platform Anda. Gunakan pip install untuk menginstal paket, misalnya:

pip install /tmp/tensorflow_pkg/tensorflow-version-tags.whl

Sukses: TensorFlow sekarang terinstal.

Docker Linux dibangun

Gambar pengembangan Docker TensorFlow adalah cara mudah menyiapkan lingkungan untuk membangun paket Linux dari sumber. Gambar ini sudah berisi kode sumber dan dependensi yang diperlukan untuk membangun TensorFlow. Buka panduan TensorFlow Docker untuk petunjuk penginstalan dan daftar tag image yang tersedia .

Khusus CPU

Contoh berikut menggunakan :devel image untuk membuat paket khusus CPU dari kode sumber TensorFlow terbaru. Periksa panduan Docker untuk tag TensorFlow -devel yang tersedia.

Unduh gambar pengembangan terbaru dan mulai wadah Docker yang akan Anda gunakan untuk membuat paket pip :

docker pull tensorflow/tensorflow:devel
docker run -it -w /tensorflow_src -v $PWD:/mnt -e HOST_PERMS="$(id -u):$(id -g)" \
    tensorflow/tensorflow:devel bash

git pull  # within the container, download the latest source code

Perintah docker run di atas memulai sebuah shell di direktori /tensorflow_src —akar dari pohon sumber. Itu me-mount direktori host saat ini di direktori /mnt wadah, dan meneruskan informasi pengguna host ke wadah melalui variabel lingkungan (digunakan untuk mengatur izin—Docker dapat membuat ini rumit).

Alternatifnya, untuk mem-build salinan host TensorFlow di dalam container, pasang pohon sumber host di direktori /tensorflow container:

docker run -it -w /tensorflow -v /path/to/tensorflow:/tensorflow -v $PWD:/mnt \
    -e HOST_PERMS="\\((id -u):\\)(id -g)" tensorflow/tensorflow:devel bash

Dengan penyiapan pohon sumber, buat paket TensorFlow dalam lingkungan virtual penampung:

1. Opsional: Konfigurasikan build—ini meminta pengguna untuk menjawab pertanyaan konfigurasi build.
2. Bangun alat yang digunakan untuk membuat paket pip .
3. Jalankan alat untuk membuat paket pip .
4. Sesuaikan izin kepemilikan file untuk di luar penampung.

./configure  # if necessary

bazel build --config=opt //tensorflow/tools/pip_package:build_pip_package

./bazel-bin/tensorflow/tools/pip_package/build_pip_package /mnt  # create package

chown $HOST_PERMS /mnt/tensorflow-version-tags.whl

Instal dan verifikasi paket di dalam wadah:

pip uninstall tensorflow  # remove current version

pip install /mnt/tensorflow-version-tags.whl
cd /tmp  # don't import from source directory
python -c "import tensorflow as tf; print(tf.__version__)"

Sukses: TensorFlow sekarang terinstal.

Di mesin host Anda, paket pip TensorFlow ada di direktori saat ini (dengan izin pengguna host): ./tensorflow- version - tags .whl

Dukungan GPU

Docker adalah cara termudah membangun dukungan GPU untuk TensorFlow karena mesin host hanya memerlukan driver NVIDIA® ( NVIDIA® CUDA® Toolkit tidak harus diinstal). Lihat panduan dukungan GPU dan panduan TensorFlow Docker untuk menyiapkan nvidia-docker (khusus Linux).

Contoh berikut mendownload TensorFlow :devel-gpu image dan menggunakan nvidia-docker untuk menjalankan container yang mendukung GPU. Gambar pengembangan ini dikonfigurasi untuk membuat paket pip dengan dukungan GPU:

docker pull tensorflow/tensorflow:devel-gpu
docker run --gpus all -it -w /tensorflow -v $PWD:/mnt -e HOST_PERMS="$(id -u):$(id -g)" \
    tensorflow/tensorflow:devel-gpu bash
git pull  # within the container, download the latest source code

Kemudian, dalam lingkungan virtual container, buat paket TensorFlow dengan dukungan GPU:

./configure  # if necessary

bazel build --config=opt --config=cuda //tensorflow/tools/pip_package:build_pip_package

./bazel-bin/tensorflow/tools/pip_package/build_pip_package /mnt  # create package

chown $HOST_PERMS /mnt/tensorflow-version-tags.whl

Instal dan verifikasi paket di dalam wadah dan periksa GPU:

pip uninstall tensorflow  # remove current version

pip install /mnt/tensorflow-version-tags.whl
cd /tmp  # don't import from source directory
python -c "import tensorflow as tf; print(\"Num GPUs Available: \", len(tf.config.list_physical_devices('GPU')))"

Sukses: TensorFlow sekarang terinstal.

Konfigurasi build yang teruji

Linux

CPU

Versi: kapan	versi Python	Penyusun	Membangun alat
tensorflow-2.13.0	3.8-3.11	Dentang 16.0.0	Bagel 5.3.0
tensorflow-2.12.0	3.8-3.11	GCC 9.3.1	Bagel 5.3.0
tensorflow-2.11.0	3.7-3.10	GCC 9.3.1	Bagel 5.3.0
tensorflow-2.10.0	3.7-3.10	GCC 9.3.1	Bazel 5.1.1
tensorflow-2.9.0	3.7-3.10	GCC 9.3.1	Bazel 5.0.0
tensorflow-2.8.0	3.7-3.10	GCC 7.3.1	Bazel 4.2.1
tensorflow-2.7.0	3.7-3.9	GCC 7.3.1	Bagel 3.7.2
tensorflow-2.6.0	3.6-3.9	GCC 7.3.1	Bagel 3.7.2
tensorflow-2.5.0	3.6-3.9	GCC 7.3.1	Bagel 3.7.2
tensorflow-2.4.0	3.6-3.8	GCC 7.3.1	Bazel 3.1.0
tensorflow-2.3.0	3.5-3.8	GCC 7.3.1	Bazel 3.1.0
tensorflow-2.2.0	3.5-3.8	GCC 7.3.1	Bazel 2.0.0
tensorflow-2.1.0	2.7, 3.5-3.7	GCC 7.3.1	Bazel 0.27.1
tensorflow-2.0.0	2.7, 3.3-3.7	GCC 7.3.1	Bazel 0.26.1
tensorflow-1.15.0	2.7, 3.3-3.7	GCC 7.3.1	Bazel 0.26.1
tensorflow-1.14.0	2.7, 3.3-3.7	GCC 4.8	Bagel 0.24.1
tensorflow-1.13.1	2.7, 3.3-3.7	GCC 4.8	Bazel 0.19.2
tensorflow-1.12.0	2.7, 3.3-3.6	GCC 4.8	Bagel 0.15.0
tensorflow-1.11.0	2.7, 3.3-3.6	GCC 4.8	Bagel 0.15.0
tensorflow-1.10.0	2.7, 3.3-3.6	GCC 4.8	Bagel 0.15.0
tensorflow-1.9.0	2.7, 3.3-3.6	GCC 4.8	Bagel 0.11.0
tensorflow-1.8.0	2.7, 3.3-3.6	GCC 4.8	Bagel 0.10.0
tensorflow-1.7.0	2.7, 3.3-3.6	GCC 4.8	Bagel 0.10.0
tensorflow-1.6.0	2.7, 3.3-3.6	GCC 4.8	Bagel 0.9.0
tensorflow-1.5.0	2.7, 3.3-3.6	GCC 4.8	Bagel 0.8.0
tensorflow-1.4.0	2.7, 3.3-3.6	GCC 4.8	Bazel 0.5.4
tensorflow-1.3.0	2.7, 3.3-3.6	GCC 4.8	Bagel 0.4.5
tensorflow-1.2.0	2.7, 3.3-3.6	GCC 4.8	Bagel 0.4.5
tensorflow-1.1.0	2.7, 3.3-3.6	GCC 4.8	Bagel 0.4.2
tensorflow-1.0.0	2.7, 3.3-3.6	GCC 4.8	Bagel 0.4.2

GPU

Versi: kapan	versi Python	Penyusun	Membangun alat	cuDNN	CUDA
tensorflow-2.13.0	3.8-3.11	Dentang 16.0.0	Bagel 5.3.0	8.6	11.8
tensorflow-2.12.0	3.8-3.11	GCC 9.3.1	Bagel 5.3.0	8.6	11.8
tensorflow-2.11.0	3.7-3.10	GCC 9.3.1	Bagel 5.3.0	8.1	11.2
tensorflow-2.10.0	3.7-3.10	GCC 9.3.1	Bazel 5.1.1	8.1	11.2
tensorflow-2.9.0	3.7-3.10	GCC 9.3.1	Bazel 5.0.0	8.1	11.2
tensorflow-2.8.0	3.7-3.10	GCC 7.3.1	Bazel 4.2.1	8.1	11.2
tensorflow-2.7.0	3.7-3.9	GCC 7.3.1	Bagel 3.7.2	8.1	11.2
tensorflow-2.6.0	3.6-3.9	GCC 7.3.1	Bagel 3.7.2	8.1	11.2
tensorflow-2.5.0	3.6-3.9	GCC 7.3.1	Bagel 3.7.2	8.1	11.2
tensorflow-2.4.0	3.6-3.8	GCC 7.3.1	Bazel 3.1.0	8.0	11.0
tensorflow-2.3.0	3.5-3.8	GCC 7.3.1	Bazel 3.1.0	7.6	10.1
tensorflow-2.2.0	3.5-3.8	GCC 7.3.1	Bazel 2.0.0	7.6	10.1
tensorflow-2.1.0	2.7, 3.5-3.7	GCC 7.3.1	Bazel 0.27.1	7.6	10.1
tensorflow-2.0.0	2.7, 3.3-3.7	GCC 7.3.1	Bazel 0.26.1	7.4	10.0
tensorflow_gpu-1.15.0	2.7, 3.3-3.7	GCC 7.3.1	Bazel 0.26.1	7.4	10.0
tensorflow_gpu-1.14.0	2.7, 3.3-3.7	GCC 4.8	Bagel 0.24.1	7.4	10.0
tensorflow_gpu-1.13.1	2.7, 3.3-3.7	GCC 4.8	Bazel 0.19.2	7.4	10.0
tensorflow_gpu-1.12.0	2.7, 3.3-3.6	GCC 4.8	Bagel 0.15.0	7	9
tensorflow_gpu-1.11.0	2.7, 3.3-3.6	GCC 4.8	Bagel 0.15.0	7	9
tensorflow_gpu-1.10.0	2.7, 3.3-3.6	GCC 4.8	Bagel 0.15.0	7	9
tensorflow_gpu-1.9.0	2.7, 3.3-3.6	GCC 4.8	Bagel 0.11.0	7	9
tensorflow_gpu-1.8.0	2.7, 3.3-3.6	GCC 4.8	Bagel 0.10.0	7	9
tensorflow_gpu-1.7.0	2.7, 3.3-3.6	GCC 4.8	Bagel 0.9.0	7	9
tensorflow_gpu-1.6.0	2.7, 3.3-3.6	GCC 4.8	Bagel 0.9.0	7	9
tensorflow_gpu-1.5.0	2.7, 3.3-3.6	GCC 4.8	Bagel 0.8.0	7	9
tensorflow_gpu-1.4.0	2.7, 3.3-3.6	GCC 4.8	Bazel 0.5.4	6	8
tensorflow_gpu-1.3.0	2.7, 3.3-3.6	GCC 4.8	Bagel 0.4.5	6	8
tensorflow_gpu-1.2.0	2.7, 3.3-3.6	GCC 4.8	Bagel 0.4.5	5.1	8
tensorflow_gpu-1.1.0	2.7, 3.3-3.6	GCC 4.8	Bagel 0.4.2	5.1	8
tensorflow_gpu-1.0.0	2.7, 3.3-3.6	GCC 4.8	Bagel 0.4.2	5.1	8

macOS

CPU

Versi: kapan	versi Python	Penyusun	Membangun alat
tensorflow-2.13.0	3.8-3.11	Dentang dari xcode 10.15	Bagel 5.3.0
tensorflow-2.12.0	3.8-3.11	Dentang dari xcode 10.15	Bagel 5.3.0
tensorflow-2.11.0	3.7-3.10	Dentang dari xcode 10.14	Bagel 5.3.0
tensorflow-2.10.0	3.7-3.10	Dentang dari xcode 10.14	Bazel 5.1.1
tensorflow-2.9.0	3.7-3.10	Dentang dari xcode 10.14	Bazel 5.0.0
tensorflow-2.8.0	3.7-3.10	Dentang dari xcode 10.14	Bazel 4.2.1
tensorflow-2.7.0	3.7-3.9	Dentang dari xcode 10.11	Bagel 3.7.2
tensorflow-2.6.0	3.6-3.9	Dentang dari xcode 10.11	Bagel 3.7.2
tensorflow-2.5.0	3.6-3.9	Dentang dari xcode 10.11	Bagel 3.7.2
tensorflow-2.4.0	3.6-3.8	Dentang dari xcode 10.3	Bazel 3.1.0
tensorflow-2.3.0	3.5-3.8	Dentang dari xcode 10.1	Bazel 3.1.0
tensorflow-2.2.0	3.5-3.8	Dentang dari xcode 10.1	Bazel 2.0.0
tensorflow-2.1.0	2.7, 3.5-3.7	Dentang dari xcode 10.1	Bazel 0.27.1
tensorflow-2.0.0	2.7, 3.5-3.7	Dentang dari xcode 10.1	Bazel 0.27.1
tensorflow-2.0.0	2.7, 3.3-3.7	Dentang dari xcode 10.1	Bazel 0.26.1
tensorflow-1.15.0	2.7, 3.3-3.7	Dentang dari xcode 10.1	Bazel 0.26.1
tensorflow-1.14.0	2.7, 3.3-3.7	Dentang dari xcode	Bagel 0.24.1
tensorflow-1.13.1	2.7, 3.3-3.7	Dentang dari xcode	Bazel 0.19.2
tensorflow-1.12.0	2.7, 3.3-3.6	Dentang dari xcode	Bagel 0.15.0
tensorflow-1.11.0	2.7, 3.3-3.6	Dentang dari xcode	Bagel 0.15.0
tensorflow-1.10.0	2.7, 3.3-3.6	Dentang dari xcode	Bagel 0.15.0
tensorflow-1.9.0	2.7, 3.3-3.6	Dentang dari xcode	Bagel 0.11.0
tensorflow-1.8.0	2.7, 3.3-3.6	Dentang dari xcode	Bagel 0.10.1
tensorflow-1.7.0	2.7, 3.3-3.6	Dentang dari xcode	Bagel 0.10.1
tensorflow-1.6.0	2.7, 3.3-3.6	Dentang dari xcode	Bagel 0.8.1
tensorflow-1.5.0	2.7, 3.3-3.6	Dentang dari xcode	Bagel 0.8.1
tensorflow-1.4.0	2.7, 3.3-3.6	Dentang dari xcode	Bazel 0.5.4
tensorflow-1.3.0	2.7, 3.3-3.6	Dentang dari xcode	Bagel 0.4.5
tensorflow-1.2.0	2.7, 3.3-3.6	Dentang dari xcode	Bagel 0.4.5
tensorflow-1.1.0	2.7, 3.3-3.6	Dentang dari xcode	Bagel 0.4.2
tensorflow-1.0.0	2.7, 3.3-3.6	Dentang dari xcode	Bagel 0.4.2

GPU

Versi: kapan	versi Python	Penyusun	Membangun alat	cuDNN	CUDA
tensorflow_gpu-1.1.0	2.7, 3.3-3.6	Dentang dari xcode	Bagel 0.4.2	5.1	8
tensorflow_gpu-1.0.0	2.7, 3.3-3.6	Dentang dari xcode	Bagel 0.4.2	5.1	8