Kompilacja ze źródła

Zbuduj pakiet pip TensorFlow ze źródła i zainstaluj go na Ubuntu Linux i macOS. Chociaż instrukcje mogą działać w przypadku innych systemów, są testowane i obsługiwane tylko w systemach Ubuntu i macOS.

Uwaga: dobrze przetestowane, wstępnie zbudowane pakiety TensorFlow dla systemów Linux i macOS są już dostępne.

Konfiguracja dla systemu Linux i macOS

Zainstaluj następujące narzędzia do kompilacji, aby skonfigurować środowisko programistyczne.

Zainstaluj zależności Pythona i pakietu TensorFlow

Ubuntu

sudo apt install python3-dev python3-pip

macOS

Wymaga Xcode 9.2 lub nowszego.

Zainstaluj za pomocą menedżera pakietów Homebrew :

brew install python

Zainstaluj zależności pakietu pip TensorFlow (jeśli używasz środowiska wirtualnego, pomiń argument --user ):

pip install -U --user pip

Uwaga: Do zainstalowania pakietu TensorFlow 2 .whl wymagana jest wersja pip > 19.0. Dodatkowe wymagane zależności są wymienione w pliku setup.py w sekcji REQUIRED_PACKAGES .

Zainstaluj Bazela

Aby zbudować TensorFlow, musisz zainstalować Bazel. Bazelisk to łatwy sposób na zainstalowanie Bazela i automatyczne pobieranie prawidłowej wersji Bazela dla TensorFlow. Dla łatwości użycia dodaj Bazelisk jako plik wykonywalny bazel w PATH .

Jeśli Bazelisk nie jest dostępny, możesz ręcznie zainstalować Bazel . Upewnij się, że zainstalowałeś poprawną wersję Bazela z pliku .bazelversion TensorFlow.

Zainstaluj Clang (zalecane, tylko Linux)

Clang to kompilator C/C++/Objective-C skompilowany w C++ w oparciu o LLVM. Jest to domyślny kompilator do budowania TensorFlow począwszy od TensorFlow 2.13. Aktualnie obsługiwana wersja to LLVM/Clang 17.

Pakiety nocne LLVM Debian/Ubuntu zapewniają skrypt automatycznej instalacji i pakiety do ręcznej instalacji w systemie Linux. Upewnij się, że uruchomiłeś następującą komendę, jeśli ręcznie dodajesz repozytorium llvm apt do źródeł pakietów:

sudo apt-get update && sudo apt-get install -y llvm-17 clang-17

Teraz, gdy /usr/lib/llvm-17/bin/clang jest rzeczywistą ścieżką do clang w tym przypadku.

Alternatywnie możesz pobrać i rozpakować wstępnie skompilowany Clang + LLVM 17 .

Poniżej znajduje się przykład kroków, które możesz wykonać, aby skonfigurować pobrane pliki binarne Clang + LLVM 17 w systemach operacyjnych Debian/Ubuntu:

1. Przejdź do żądanego katalogu docelowego: cd <desired directory>

2. Załaduj i rozpakuj plik archiwum... (odpowiedni dla Twojej architektury):

   wget https://github.com/llvm/llvm-project/releases/download/llvmorg-17.0.2/clang+llvm-17.0.2-x86_64-linux-gnu-ubuntu-22.04.tar.xz
   
   tar -xvf clang+llvm-17.0.2-x86_64-linux-gnu-ubuntu-22.04.tar.xz
   

3. Skopiuj wyodrębnioną zawartość (katalogi i pliki) do /usr (możesz potrzebować uprawnień sudo, a właściwy katalog może się różnić w zależności od dystrybucji). To skutecznie instaluje Clang i LLVM i dodaje je do ścieżki. Nie powinieneś niczego wymieniać, chyba że masz wcześniejszą instalację i w takim przypadku powinieneś zastąpić pliki:

   cp -r clang+llvm-17.0.2-x86_64-linux-gnu-ubuntu-22.04/* /usr

4. Sprawdź uzyskaną wersję binarną Clang + LLVM 17:

   clang --version

5. Teraz, gdy /usr/bin/clang jest rzeczywistą ścieżką do twojego nowego clangu. Możesz uruchomić skrypt ./configure lub ręcznie ustawić zmienne środowiskowe CC i BAZEL_COMPILER na tę ścieżkę.

Zainstaluj obsługę GPU (opcjonalnie, tylko Linux)

W systemie macOS nie ma obsługi procesora graficznego.

Przeczytaj przewodnik obsługi GPU , aby zainstalować sterowniki i dodatkowe oprogramowanie wymagane do uruchomienia TensorFlow na GPU.

Uwaga: łatwiej jest skonfigurować jeden z obrazów Dockera obsługujących procesor graficzny TensorFlow.

Pobierz kod źródłowy TensorFlow

Użyj Git , aby sklonować repozytorium TensorFlow :

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

Domyślnie repozytorium znajduje się w master gałęzi rozwojowej. Możesz także sprawdzić gałąź wydania do zbudowania:

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

Skonfiguruj kompilację

Kompilacje TensorFlow są konfigurowane przez plik .bazelrc w katalogu głównym repozytorium. Do dostosowania typowych ustawień można użyć skryptów ./configure lub ./configure.py .

Proszę uruchomić skrypt ./configure z katalogu głównego repozytorium. Ten skrypt wyświetli monit o lokalizację zależności TensorFlow i poprosi o dodatkowe opcje konfiguracji kompilacji (na przykład flagi kompilatora). Aby uzyskać szczegółowe informacje, zobacz sekcję Przykładowa sesja .

./configure

Istnieje również wersja tego skryptu w języku Python, ./configure.py . Jeśli używasz środowiska wirtualnego, python configure.py nadaje priorytet ścieżkom w środowisku, podczas gdy ./configure nadaje priorytet ścieżkom poza środowiskiem. W obu przypadkach możesz zmienić ustawienie domyślne.

Przykładowa sesja

Poniżej przedstawiono przykładowe uruchomienie skryptu ./configure (Twoja sesja może się różnić):

Zobacz przykładową sesję konfiguracyjną

./configure
You have bazel 6.1.0 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]:
No ROCm support will be enabled for TensorFlow.

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

Do you want to use Clang to build TensorFlow? [Y/n]:
Clang will be used to compile TensorFlow.

Please specify the path to clang executable. [Default is /usr/lib/llvm-16/bin/clang]:

You have Clang 16.0.4 installed.

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


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.

Opcje konfiguracji

Wsparcie GPU

od wersji 2.18.0

Aby uzyskać obsługę GPU , ustaw cuda=Y podczas konfiguracji i w razie potrzeby określ wersje CUDA i cuDNN. Bazel automatycznie pobierze pakiety CUDA i CUDNN lub w razie potrzeby wskaże redystrybucje CUDA/CUDNN/NCCL w lokalnym systemie plików.

przed wersją 2.18.0

Aby uzyskać obsługę GPU , podczas konfiguracji ustaw cuda=Y i określ wersje CUDA i cuDNN. Jeśli w Twoim systemie zainstalowanych jest wiele wersji CUDA lub cuDNN, ustaw jawnie wersję, zamiast polegać na wartości domyślnej. ./configure tworzy dowiązania symboliczne do bibliotek CUDA w systemie — więc jeśli zaktualizujesz ścieżki bibliotek CUDA, ten krok konfiguracji musi zostać wykonany ponownie przed budowaniem.

Optymalizacje

W przypadku flag optymalizacji kompilacji opcja domyślna ( -march=native ) optymalizuje wygenerowany kod pod kątem typu procesora komputera. Jeśli jednak kompilujesz TensorFlow dla innego typu procesora, rozważ bardziej szczegółową flagę optymalizacji. Sprawdź przykłady w podręczniku GCC .

Wstępnie skonfigurowane konfiguracje

Dostępnych jest kilka wstępnie skonfigurowanych konfiguracji kompilacji, które można dodać do polecenia bazel build , na przykład:

• --config=dbg — Kompiluj z informacjami debugowania. Szczegóły znajdziesz na CONTRIBUTING.md .
• --config=mkl —Obsługa Intel® MKL-DNN .
• --config=monolithic — Konfiguracja dla przeważnie statycznej, monolitycznej kompilacji.

Zbuduj i zainstaluj pakiet pip

Opcje kompilacji Bazela

Informacje na temat opcji kompilacji można znaleźć w dokumentacji wiersza poleceń Bazel.

Budowanie TensorFlow ze źródła może wymagać dużej ilości pamięci RAM. Jeśli twój system ma ograniczoną pamięć, ogranicz użycie RAMu Bazela za pomocą: --local_ram_resources=2048 .

Oficjalne pakiety TensorFlow są zbudowane z zestawu narzędzi Clang, który jest zgodny ze standardem pakietu ManyLinux2014.

Zbuduj pakiet

Aby zbudować pakiet pip, musisz podać flagę --repo_env=WHEEL_NAME . w zależności od podanej nazwy zostanie utworzony pakiet np.:

Aby zbudować pakiet procesora tensorflow:

bazel build //tensorflow/tools/pip_package:wheel --repo_env=WHEEL_NAME=tensorflow_cpu

Aby zbudować pakiet GPU tensorflow:

bazel build //tensorflow/tools/pip_package:wheel --repo_env=WHEEL_NAME=tensorflow --config=cuda --config=cuda_wheel

Aby zbudować pakiet TPU tensorflow:

bazel build //tensorflow/tools/pip_package:wheel --repo_env=WHEEL_NAME=tensorflow_tpu --config=tpu

Aby zbudować pakiet nocny, ustaw tf_nightly zamiast tensorflow , np. aby zbudować pakiet nocny procesora:

bazel build //tensorflow/tools/pip_package:wheel --repo_env=WHEEL_NAME=tf_nightly_cpu

W rezultacie wygenerowane koło będzie zlokalizowane w

bazel-bin/tensorflow/tools/pip_package/wheel_house/

Zainstaluj pakiet

Nazwa wygenerowanego pliku .whl zależy od wersji TensorFlow i Twojej platformy. Użyj pip install , aby zainstalować pakiet, na przykład:

pip install bazel-bin/tensorflow/tools/pip_package/wheel_house/tensorflow-version-tags.whl

Sukces: TensorFlow jest teraz zainstalowany.

Kompilacje Docker Linux

Obrazy programistyczne platformy Docker TensorFlow to łatwy sposób na skonfigurowanie środowiska do tworzenia pakietów systemu Linux ze źródła. Te obrazy zawierają już kod źródłowy i zależności wymagane do zbudowania TensorFlow. Przejdź do przewodnika Dockera TensorFlow, aby uzyskać instrukcje instalacji i listę dostępnych tagów obrazu .

Tylko procesor

W poniższym przykładzie zastosowano obraz :devel do zbudowania pakietu przeznaczonego wyłącznie dla procesora na podstawie najnowszego kodu źródłowego TensorFlow. Sprawdź przewodnik Dockera pod kątem dostępnych tagów TensorFlow -devel .

Pobierz najnowszy obraz programistyczny i uruchom kontener Docker, którego użyjesz do zbudowania pakietu 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

Powyższe polecenie docker run uruchamia powłokę w katalogu /tensorflow_src — katalogu głównym drzewa źródłowego. Montuje bieżący katalog hosta w katalogu /mnt kontenera i przekazuje informacje o użytkowniku hosta do kontenera poprzez zmienną środowiskową (używaną do ustawiania uprawnień — Docker może to utrudnić).

Alternatywnie, aby zbudować kopię hosta TensorFlow w kontenerze, zamontuj drzewo źródeł hosta w katalogu /tensorflow kontenera:

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

Po skonfigurowaniu drzewa źródłowego zbuduj pakiet TensorFlow w wirtualnym środowisku kontenera:

1. Opcjonalnie: Skonfiguruj kompilację — powoduje to monit użytkownika o udzielenie odpowiedzi na pytania dotyczące konfiguracji kompilacji.
2. Zbuduj pakiet pip .
3. Dostosuj uprawnienia własności pliku poza kontenerem.

./configure  # if necessary

bazel build //tensorflow/tools/pip_package:wheel --repo_env=WHEEL_NAME=tensorflow_cpu --config=opt
`
chown $HOST_PERMS bazel-bin/tensorflow/tools/pip_package/wheel_house/tensorflow-version-tags.whl

Zainstaluj i zweryfikuj pakiet w kontenerze:

pip uninstall tensorflow  # remove current version

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

Sukces: TensorFlow jest teraz zainstalowany.

Na komputerze hosta pakiet pip TensorFlow znajduje się w bieżącym katalogu (z uprawnieniami użytkownika hosta): ./tensorflow- version - tags .whl

Wsparcie GPU

Uwaga: począwszy od wersji Tensorflow v.2.18.0 koła można budować ze źródeł na maszynie bez procesorów graficznych i bez zainstalowanego sterownika NVIDIA.

Docker to najłatwiejszy sposób na zbudowanie obsługi GPU dla TensorFlow, ponieważ maszyna hosta wymaga jedynie sterownika NVIDIA® (zestaw narzędzi NVIDIA® CUDA® Toolkit nie musi być instalowany). Zapoznaj się z przewodnikiem obsługi GPU i przewodnikiem TensorFlow Docker, aby skonfigurować nvidia-docker (tylko Linux).

Poniższy przykład pobiera obraz TensorFlow :devel-gpu i używa nvidia-docker do uruchomienia kontenera obsługującego procesor graficzny. Ten obraz programistyczny jest skonfigurowany do tworzenia pakietu pip z obsługą 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

Następnie w środowisku wirtualnym kontenera zbuduj pakiet TensorFlow z obsługą GPU:

./configure  # if necessary

bazel build //tensorflow/tools/pip_package:wheel --repo_env=WHEEL_NAME=tensorflow --config=cuda --config=cuda_wheel --config=opt

chown $HOST_PERMS bazel-bin/tensorflow/tools/pip_package/wheel_house/tensorflow-version-tags.whl

Zainstaluj i zweryfikuj pakiet w kontenerze oraz sprawdź obecność procesora graficznego:

pip uninstall tensorflow  # remove current version

pip install bazel-bin/tensorflow/tools/pip_package/wheel_house/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')))"

Sukces: TensorFlow jest teraz zainstalowany.

Przetestowane konfiguracje kompilacji

Linuksa

Procesor

Wersja	Wersja Pythona	Kompilator	Buduj narzędzia
tensorflow-2.18.0	3,9-3,12	Brzęk 17.0.6	Bazela 6.5.0
tensorflow-2.17.0	3,9-3,12	Brzęk 17.0.6	Bazela 6.5.0
tensorflow-2.16.1	3,9-3,12	Brzęk 17.0.6	Bazela 6.5.0
tensorflow-2.15.0	3,9-3,11	Dzwonek 16.0.0	Bazela 6.1.0
tensorflow-2.14.0	3,9-3,11	Dzwonek 16.0.0	Bazela 6.1.0
tensorflow-2.13.0	3.8-3.11	Dzwonek 16.0.0	Bazel 5.3.0
tensorflow-2.12.0	3.8-3.11	OWU 9.3.1	Bazel 5.3.0
tensorflow-2.11.0	3,7-3,10	OWU 9.3.1	Bazel 5.3.0
tensorflow-2.10.0	3,7-3,10	OWU 9.3.1	Bazela 5.1.1
tensorflow-2.9.0	3,7-3,10	OWU 9.3.1	Bazel 5.0.0
tensorflow-2.8.0	3,7-3,10	GCC 7.3.1	Bazela 4.2.1
tensorflow-2.7.0	3,7-3,9	GCC 7.3.1	Bazela 3.7.2
tensorflow-2.6.0	3,6-3,9	GCC 7.3.1	Bazela 3.7.2
tensorflow-2.5.0	3,6-3,9	GCC 7.3.1	Bazela 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	Bazel 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	Bazel 0.15.0
tensorflow-1.11.0	2,7, 3,3-3,6	GCC 4.8	Bazel 0.15.0
tensorflow-1.10.0	2,7, 3,3-3,6	GCC 4.8	Bazel 0.15.0
tensorflow-1.9.0	2,7, 3,3-3,6	GCC 4.8	Bazel 0.11.0
tensorflow-1.8.0	2,7, 3,3-3,6	GCC 4.8	Bazel 0.10.0
tensorflow-1.7.0	2,7, 3,3-3,6	GCC 4.8	Bazel 0.10.0
tensorflow-1.6.0	2,7, 3,3-3,6	GCC 4.8	Bazel 0.9.0
tensorflow-1.5.0	2,7, 3,3-3,6	GCC 4.8	Bazel 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	Bazel 0.4.5
tensorflow-1.2.0	2,7, 3,3-3,6	GCC 4.8	Bazel 0.4.5
tensorflow-1.1.0	2,7, 3,3-3,6	GCC 4.8	Bazel 0.4.2
tensorflow-1.0.0	2,7, 3,3-3,6	GCC 4.8	Bazel 0.4.2

GPU

Wersja	Wersja Pythona	Kompilator	Buduj narzędzia	cuDNN	CUDA
tensorflow-2.18.0	3,9-3,12	Brzęk 17.0.6	Bazela 6.5.0	9.3	12,5
tensorflow-2.17.0	3,9-3,12	Brzęk 17.0.6	Bazela 6.5.0	8.9	12.3
tensorflow-2.16.1	3,9-3,12	Brzęk 17.0.6	Bazela 6.5.0	8.9	12.3
tensorflow-2.15.0	3,9-3,11	Dzwonek 16.0.0	Bazela 6.1.0	8.9	12.2
tensorflow-2.14.0	3,9-3,11	Dzwonek 16.0.0	Bazela 6.1.0	8.7	11.8
tensorflow-2.13.0	3.8-3.11	Dzwonek 16.0.0	Bazel 5.3.0	8.6	11.8
tensorflow-2.12.0	3.8-3.11	OWU 9.3.1	Bazel 5.3.0	8.6	11.8
tensorflow-2.11.0	3,7-3,10	OWU 9.3.1	Bazel 5.3.0	8.1	11.2
tensorflow-2.10.0	3,7-3,10	OWU 9.3.1	Bazela 5.1.1	8.1	11.2
tensorflow-2.9.0	3,7-3,10	OWU 9.3.1	Bazel 5.0.0	8.1	11.2
tensorflow-2.8.0	3,7-3,10	GCC 7.3.1	Bazela 4.2.1	8.1	11.2
tensorflow-2.7.0	3,7-3,9	GCC 7.3.1	Bazela 3.7.2	8.1	11.2
tensorflow-2.6.0	3,6-3,9	GCC 7.3.1	Bazela 3.7.2	8.1	11.2
tensorflow-2.5.0	3,6-3,9	GCC 7.3.1	Bazela 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	Bazel 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	Bazel 0.15.0	7	9
tensorflow_gpu-1.11.0	2,7, 3,3-3,6	GCC 4.8	Bazel 0.15.0	7	9
tensorflow_gpu-1.10.0	2,7, 3,3-3,6	GCC 4.8	Bazel 0.15.0	7	9
tensorflow_gpu-1.9.0	2,7, 3,3-3,6	GCC 4.8	Bazel 0.11.0	7	9
tensorflow_gpu-1.8.0	2,7, 3,3-3,6	GCC 4.8	Bazel 0.10.0	7	9
tensorflow_gpu-1.7.0	2,7, 3,3-3,6	GCC 4.8	Bazel 0.9.0	7	9
tensorflow_gpu-1.6.0	2,7, 3,3-3,6	GCC 4.8	Bazel 0.9.0	7	9
tensorflow_gpu-1.5.0	2,7, 3,3-3,6	GCC 4.8	Bazel 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	Bazel 0.4.5	6	8
tensorflow_gpu-1.2.0	2,7, 3,3-3,6	GCC 4.8	Bazel 0.4.5	5.1	8
tensorflow_gpu-1.1.0	2,7, 3,3-3,6	GCC 4.8	Bazel 0.4.2	5.1	8
tensorflow_gpu-1.0.0	2,7, 3,3-3,6	GCC 4.8	Bazel 0.4.2	5.1	8

macOS

Procesor

Wersja	Wersja Pythona	Kompilator	Buduj narzędzia
tensorflow-2.16.1	3,9-3,12	Clang z Xcode 13.6	Bazela 6.5.0
tensorflow-2.15.0	3,9-3,11	Brzęk z xcode 10.15	Bazela 6.1.0
tensorflow-2.14.0	3,9-3,11	Brzęk z xcode 10.15	Bazela 6.1.0
tensorflow-2.13.0	3.8-3.11	Brzęk z xcode 10.15	Bazel 5.3.0
tensorflow-2.12.0	3.8-3.11	Brzęk z xcode 10.15	Bazel 5.3.0
tensorflow-2.11.0	3,7-3,10	Brzęk z xcode 10.14	Bazel 5.3.0
tensorflow-2.10.0	3,7-3,10	Brzęk z xcode 10.14	Bazela 5.1.1
tensorflow-2.9.0	3,7-3,10	Brzęk z xcode 10.14	Bazel 5.0.0
tensorflow-2.8.0	3,7-3,10	Brzęk z xcode 10.14	Bazela 4.2.1
tensorflow-2.7.0	3,7-3,9	Brzęk z xcode 10.11	Bazela 3.7.2
tensorflow-2.6.0	3,6-3,9	Brzęk z xcode 10.11	Bazela 3.7.2
tensorflow-2.5.0	3,6-3,9	Brzęk z xcode 10.11	Bazela 3.7.2
tensorflow-2.4.0	3,6-3,8	Brzęk z xcode 10.3	Bazel 3.1.0
tensorflow-2.3.0	3,5-3,8	Brzęk z xcode 10.1	Bazel 3.1.0
tensorflow-2.2.0	3,5-3,8	Brzęk z xcode 10.1	Bazel 2.0.0
tensorflow-2.1.0	2,7, 3,5-3,7	Brzęk z xcode 10.1	Bazel 0.27.1
tensorflow-2.0.0	2,7, 3,5-3,7	Brzęk z xcode 10.1	Bazel 0.27.1
tensorflow-2.0.0	2,7, 3,3-3,7	Brzęk z xcode 10.1	Bazel 0.26.1
tensorflow-1.15.0	2,7, 3,3-3,7	Brzęk z xcode 10.1	Bazel 0.26.1
tensorflow-1.14.0	2,7, 3,3-3,7	Brzęk z xcode	Bazel 0.24.1
tensorflow-1.13.1	2,7, 3,3-3,7	Brzęk z xcode	Bazel 0.19.2
tensorflow-1.12.0	2,7, 3,3-3,6	Brzęk z xcode	Bazel 0.15.0
tensorflow-1.11.0	2,7, 3,3-3,6	Brzęk z xcode	Bazel 0.15.0
tensorflow-1.10.0	2,7, 3,3-3,6	Brzęk z xcode	Bazel 0.15.0
tensorflow-1.9.0	2,7, 3,3-3,6	Brzęk z xcode	Bazel 0.11.0
tensorflow-1.8.0	2,7, 3,3-3,6	Brzęk z xcode	Bazel 0.10.1
tensorflow-1.7.0	2,7, 3,3-3,6	Brzęk z xcode	Bazel 0.10.1
tensorflow-1.6.0	2,7, 3,3-3,6	Brzęk z xcode	Bazel 0.8.1
tensorflow-1.5.0	2,7, 3,3-3,6	Brzęk z xcode	Bazel 0.8.1
tensorflow-1.4.0	2,7, 3,3-3,6	Brzęk z xcode	Bazel 0.5.4
tensorflow-1.3.0	2,7, 3,3-3,6	Brzęk z xcode	Bazel 0.4.5
tensorflow-1.2.0	2,7, 3,3-3,6	Brzęk z xcode	Bazel 0.4.5
tensorflow-1.1.0	2,7, 3,3-3,6	Brzęk z xcode	Bazel 0.4.2
tensorflow-1.0.0	2,7, 3,3-3,6	Brzęk z xcode	Bazel 0.4.2

GPU

Wersja	Wersja Pythona	Kompilator	Buduj narzędzia	cuDNN	CUDA
tensorflow_gpu-1.1.0	2,7, 3,3-3,6	Brzęk z xcode	Bazel 0.4.2	5.1	8
tensorflow_gpu-1.0.0	2,7, 3,3-3,6	Brzęk z xcode	Bazel 0.4.2	5.1	8