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.
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
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:
Przejdź do żądanego katalogu docelowego:
cd <desired directory>
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
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
Sprawdź uzyskaną wersję binarną Clang + LLVM 17:
clang --version
Teraz, gdy
/usr/bin/clang
jest rzeczywistą ścieżką do twojego nowego clangu. Możesz uruchomić skrypt./configure
lub ręcznie ustawić zmienne środowiskoweCC
iBAZEL_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.
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):
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
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:
- Opcjonalnie: Skonfiguruj kompilację — powoduje to monit użytkownika o udzielenie odpowiedzi na pytania dotyczące konfiguracji kompilacji.
- Zbuduj pakiet pip .
- 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__)"
Na komputerze hosta pakiet pip TensorFlow znajduje się w bieżącym katalogu (z uprawnieniami użytkownika hosta): ./tensorflow- version - tags .whl
Wsparcie GPU
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). Aby skonfigurować nvidia-docker (tylko Linux), zapoznaj się z przewodnikiem obsługi procesora graficznego i przewodnikiem TensorFlow Docker .
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')))"
Przetestowane konfiguracje kompilacji
Linuksa
Procesor
Wersja | Wersja Pythona | Kompilator | Buduj narzędzia |
---|---|---|---|
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 | Brzęk 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-2.17.0 | 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 | Brzęk 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 | Bazela 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 |