Crie um pacote pip do TensorFlow a partir do código-fonte e instale-o no Ubuntu Linux e no macOS. Embora as instruções possam funcionar para outros sistemas, elas são testadas e suportadas apenas para Ubuntu e macOS.
Configuração para Linux e macOS
Instale as seguintes ferramentas de construção para configurar seu ambiente de desenvolvimento.
Instale o Python e as dependências do pacote TensorFlow
Ubuntu
sudo apt install python3-dev python3-pip
Mac OS
Requer Xcode 9.2 ou posterior.
Instale usando o gerenciador de pacotes Homebrew :
brew install python
Instale as dependências do pacote pip do TensorFlow (se estiver usando um ambiente virtual, omita o argumento --user
):
pip install -U --user pip numpy wheel packaging requests opt_einsum
pip install -U --user keras_preprocessing --no-deps
Instale o Bazel
Para construir o TensorFlow, você precisará instalar o Bazel. O Bazelisk é uma maneira fácil de instalar o Bazel e baixar automaticamente a versão correta do Bazel para o TensorFlow. Para facilitar o uso, adicione o Bazelisk como o executável bazel
em seu PATH
.
Se o Bazelisk não estiver disponível, você poderá instalar o Bazel manualmente. Certifique-se de instalar a versão correta do Bazel do arquivo .bazelversion do TensorFlow.
Instale o Clang (recomendado, somente Linux)
Clang é um compilador C/C++/Objective-C compilado em C++ baseado em LLVM. É o compilador padrão para construir o TensorFlow começando com o TensorFlow 2.13. A versão atualmente suportada é LLVM/Clang 16.
Os pacotes noturnos LLVM Debian/Ubuntu fornecem um script de instalação automática e pacotes para instalação manual no Linux. Certifique-se de executar o seguinte comando se você adicionar manualmente o repositório llvm apt às fontes do seu pacote:
sudo apt-get update && sudo apt-get install -y llvm-16 clang-16
Alternativamente, você pode baixar e descompactar o Clang + LLVM 16 pré-construído.
Abaixo está um exemplo de etapas que você pode seguir para configurar os binários Clang + LLVM 16 baixados:
Mude para o diretório de destino desejado:
```cd <desired directory>```
Carregue e extraia um arquivo...(adequado à sua arquitetura):
wget https://github.com/llvm/llvm-project/releases/download/llvmorg-16.0.0/clang+llvm-16.0.0-x86_64-linux-gnu-ubuntu-18.04.tar.xz
tar -xvf clang+llvm-16.0.0-x86_64-linux-gnu-ubuntu-18.04.tar.xz
Verifique a versão dos binários Clang + LLVM 16 obtida:
./clang+llvm-16.0.0-x86_64-linux-gnu-ubuntu-18.04/bin/clang-16 --version
O diretório
/clang+llvm-16.0.0-x86_64-linux-gnu-ubuntu-18.04/bin/clang-16
é o caminho real para seu novo clang. Você pode executar o script./configure
ou definir manualmente as variáveis de ambienteCC
eBAZEL_COMPILER
para esse caminho.
Instale o suporte GPU (opcional, somente Linux)
Não há suporte de GPU para macOS.
Leia o guia de suporte de GPU para instalar os drivers e software adicional necessários para executar o TensorFlow em uma GPU.
Baixe o código-fonte do TensorFlow
Use Git para clonar o repositório TensorFlow :
git clone https://github.com/tensorflow/tensorflow.git
cd tensorflow
O padrão do repositório é o branch de desenvolvimento
master
. Você também pode verificar um branch de lançamento para construir:git checkout branch_name # r2.2, r2.3, etc.
Configurar a compilação
As compilações do TensorFlow são configuradas pelo arquivo
.bazelrc
no diretório raiz do repositório. Os scripts./configure
ou./configure.py
podem ser usados para ajustar configurações comuns.Execute o script
./configure
no diretório raiz do repositório. Este script solicitará a localização das dependências do TensorFlow e solicitará opções adicionais de configuração de compilação (sinalizadores do compilador, por exemplo). Consulte a seção Amostra de sessão para obter detalhes../configure
Há também uma versão python deste script,
./configure.py
. Se estiver usando um ambiente virtual,python configure.py
prioriza caminhos dentro do ambiente, enquanto./configure
prioriza caminhos fora do ambiente. Em ambos os casos você pode alterar o padrão.Sessão de amostra
Veja a seguir um exemplo de execução do script
./configure
(sua sessão pode ser diferente):Opções de configuração
Suporte para GPU
Para suporte de GPU , defina
cuda=Y
durante a configuração e especifique as versões de CUDA e cuDNN. Se o seu sistema tiver várias versões de CUDA ou cuDNN instaladas, defina explicitamente a versão em vez de confiar no padrão../configure
cria links simbólicos para as bibliotecas CUDA do seu sistema – portanto, se você atualizar os caminhos da biblioteca CUDA, esta etapa de configuração deverá ser executada novamente antes da construção.Otimizações
Para sinalizadores de otimização de compilação, o padrão (
-march=native
) otimiza o código gerado para o tipo de CPU da sua máquina. No entanto, ao criar o TensorFlow para um tipo de CPU diferente, considere um sinalizador de otimização mais específico. Verifique o manual do GCC para exemplos.Configurações pré-configuradas
Existem algumas configurações de build pré-configuradas disponíveis que podem ser adicionadas ao comando
bazel build
, por exemplo:-
--config=dbg
—Construa com informações de depuração. Consulte CONTRIBUTING.md para obter detalhes. -
--config=mkl
—Suporte para Intel® MKL-DNN . -
--config=monolithic
—Configuração para uma construção monolítica e estática.
Construa e instale o pacote pip
O pacote pip é construído em duas etapas. Um comando
bazel build
cria um programa "construtor de pacotes". Em seguida, você executa o package-builder para criar o pacote.Construa o construtor de pacotes
Use
bazel build
para criar o construtor de pacotes TensorFlow 2.x:bazel build [--config=option] //tensorflow/tools/pip_package:build_pip_package
Opções de compilação do Bazel
Consulte a referência de linha de comando do Bazel para opções de compilação .
Construir o TensorFlow a partir da fonte pode usar muita RAM. Se o seu sistema tiver restrição de memória, limite o uso de RAM do Bazel com:
--local_ram_resources=2048
.Os pacotes oficiais do TensorFlow são criados com um conjunto de ferramentas Clang que está em conformidade com o padrão de pacote manylinux2014.
Construa o pacote
O comando
bazel build
cria um executável chamadobuild_pip_package
– este é o programa que constrói o pacotepip
. Execute o executável conforme mostrado abaixo para construir um pacote.whl
no diretório/tmp/tensorflow_pkg
.Para construir a partir de um branch de lançamento:
./bazel-bin/tensorflow/tools/pip_package/build_pip_package /tmp/tensorflow_pkg
Para construir a partir do master, use
--nightly_flag
para obter as dependências corretas:./bazel-bin/tensorflow/tools/pip_package/build_pip_package --nightly_flag /tmp/tensorflow_pkg
Embora seja possível construir configurações CUDA e não CUDA na mesma árvore de origem, é recomendado executar
bazel clean
ao alternar entre essas duas configurações na mesma árvore de origem.Instale o pacote
O nome do arquivo
.whl
gerado depende da versão do TensorFlow e da sua plataforma. Usepip install
para instalar o pacote, por exemplo:pip install /tmp/tensorflow_pkg/tensorflow-version-tags.whl
Compilações do Docker Linux
As imagens de desenvolvimento do Docker do TensorFlow são uma maneira fácil de configurar um ambiente para criar pacotes Linux a partir do código-fonte. Essas imagens já contêm o código-fonte e as dependências necessárias para criar o TensorFlow. Acesse o guia do Docker do TensorFlow para obter instruções de instalação e a lista de tags de imagem disponíveis .
Somente CPU
O exemplo a seguir usa a imagem
:devel
para criar um pacote somente de CPU a partir do código-fonte mais recente do TensorFlow. Verifique o guia do Docker para tags TensorFlow-devel
disponíveis.Baixe a imagem de desenvolvimento mais recente e inicie um contêiner Docker que você usará para criar o pacote 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
O comando
docker run
acima inicia um shell no diretório/tensorflow_src
– a raiz da árvore de origem. Ele monta o diretório atual do host no diretório/mnt
do contêiner e passa as informações do usuário do host para o contêiner por meio de uma variável ambiental (usada para definir permissões – o Docker pode tornar isso complicado).Como alternativa, para criar uma cópia do host do TensorFlow em um contêiner, monte a árvore de origem do host no diretório
/tensorflow
do contêiner:docker run -it -w /tensorflow -v /path/to/tensorflow:/tensorflow -v $PWD:/mnt \ -e HOST_PERMS="\\((id -u):\\)(id -g)" tensorflow/tensorflow:devel bash
Com a árvore de origem configurada, crie o pacote TensorFlow no ambiente virtual do contêiner:
- Opcional: Configure a compilação — isso solicita que o usuário responda às perguntas de configuração da compilação.
- Construa a ferramenta usada para criar o pacote pip .
- Execute a ferramenta para criar o pacote pip .
- Ajuste as permissões de propriedade do arquivo fora do contêiner.
./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
Instale e verifique o pacote dentro do contêiner:
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__)"
Na máquina host, o pacote pip do TensorFlow está no diretório atual (com permissões de usuário host):
./tensorflow- version - tags .whl
Suporte para GPU
Docker é a maneira mais fácil de criar suporte de GPU para TensorFlow, já que a máquina host requer apenas o driver NVIDIA® (o NVIDIA® CUDA® Toolkit não precisa estar instalado). Consulte o guia de suporte de GPU e o guia do TensorFlow Docker para configurar o nvidia-docker (somente Linux).
O exemplo a seguir baixa a imagem TensorFlow
:devel-gpu
e usanvidia-docker
para executar o contêiner habilitado para GPU. Esta imagem de desenvolvimento está configurada para construir um pacote pip com suporte de 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
Em seguida, dentro do ambiente virtual do contêiner, crie o pacote TensorFlow com suporte para 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
Instale e verifique o pacote dentro do contêiner e verifique se há uma 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')))"
Configurações de compilação testadas
Linux
CPU
Versão Versão Python Compilador Ferramentas de construção tensorflow-2.15.0 3.9-3.11 Clang 16.0.0 Bazel 6.1.0 tensorflow-2.14.0 3.9-3.11 Clang 16.0.0 Bazel 6.1.0 tensorflow-2.13.0 3.8-3.11 Clang 16.0.0 Bazel 5.3.0 tensorflow-2.12.0 3.8-3.11 CGC 9.3.1 Bazel 5.3.0 tensorflow-2.11.0 3,7-3,10 CGC 9.3.1 Bazel 5.3.0 tensorflow-2.10.0 3,7-3,10 CGC 9.3.1 Bazel 5.1.1 tensorflow-2.9.0 3,7-3,10 CGC 9.3.1 Bazel 5.0.0 tensorflow-2.8.0 3,7-3,10 CGC 7.3.1 Bazel 4.2.1 tensorflow-2.7.0 3,7-3,9 CGC 7.3.1 Bazel 3.7.2 tensorflow-2.6.0 3,6-3,9 CGC 7.3.1 Bazel 3.7.2 tensorflow-2.5.0 3,6-3,9 CGC 7.3.1 Bazel 3.7.2 tensorflow-2.4.0 3,6-3,8 CGC 7.3.1 Bazel 3.1.0 tensorflow-2.3.0 3,5-3,8 CGC 7.3.1 Bazel 3.1.0 tensorflow-2.2.0 3,5-3,8 CGC 7.3.1 Bazel 2.0.0 tensorflow-2.1.0 2,7, 3,5-3,7 CGC 7.3.1 Bazel 0.27.1 tensorflow-2.0.0 2,7, 3,3-3,7 CGC 7.3.1 Bazel 0.26.1 tensorflow-1.15.0 2,7, 3,3-3,7 CGC 7.3.1 Bazel 0.26.1 tensorflow-1.14.0 2,7, 3,3-3,7 CGC 4.8 Bazel 0.24.1 tensorflow-1.13.1 2,7, 3,3-3,7 CGC 4.8 Bazel 0.19.2 tensorflow-1.12.0 2,7, 3,3-3,6 CGC 4.8 Bazel 0.15.0 tensorflow-1.11.0 2,7, 3,3-3,6 CGC 4.8 Bazel 0.15.0 tensorflow-1.10.0 2,7, 3,3-3,6 CGC 4.8 Bazel 0.15.0 tensorflow-1.9.0 2,7, 3,3-3,6 CGC 4.8 Bazel 0.11.0 tensorflow-1.8.0 2,7, 3,3-3,6 CGC 4.8 Bazel 0.10.0 tensorflow-1.7.0 2,7, 3,3-3,6 CGC 4.8 Bazel 0.10.0 tensorflow-1.6.0 2,7, 3,3-3,6 CGC 4.8 Bazel 0.9.0 tensorflow-1.5.0 2,7, 3,3-3,6 CGC 4.8 Bazel 0.8.0 tensorflow-1.4.0 2,7, 3,3-3,6 CGC 4.8 Bazel 0.5.4 tensorflow-1.3.0 2,7, 3,3-3,6 CGC 4.8 Bazel 0.4.5 tensorflow-1.2.0 2,7, 3,3-3,6 CGC 4.8 Bazel 0.4.5 tensorflow-1.1.0 2,7, 3,3-3,6 CGC 4.8 Bazel 0.4.2 tensorflow-1.0.0 2,7, 3,3-3,6 CGC 4.8 Bazel 0.4.2 GPU
Versão Versão Python Compilador Ferramentas de construção cuDNN CUDA tensorflow-2.15.0 3.9-3.11 Clang 16.0.0 Bazel 6.1.0 8.8 12.2 tensorflow-2.14.0 3.9-3.11 Clang 16.0.0 Bazel 6.1.0 8.7 11.8 tensorflow-2.13.0 3.8-3.11 Clang 16.0.0 Bazel 5.3.0 8.6 11.8 tensorflow-2.12.0 3.8-3.11 CGC 9.3.1 Bazel 5.3.0 8.6 11.8 tensorflow-2.11.0 3,7-3,10 CGC 9.3.1 Bazel 5.3.0 8.1 11.2 tensorflow-2.10.0 3,7-3,10 CGC 9.3.1 Bazel 5.1.1 8.1 11.2 tensorflow-2.9.0 3,7-3,10 CGC 9.3.1 Bazel 5.0.0 8.1 11.2 tensorflow-2.8.0 3,7-3,10 CGC 7.3.1 Bazel 4.2.1 8.1 11.2 tensorflow-2.7.0 3,7-3,9 CGC 7.3.1 Bazel 3.7.2 8.1 11.2 tensorflow-2.6.0 3,6-3,9 CGC 7.3.1 Bazel 3.7.2 8.1 11.2 tensorflow-2.5.0 3,6-3,9 CGC 7.3.1 Bazel 3.7.2 8.1 11.2 tensorflow-2.4.0 3,6-3,8 CGC 7.3.1 Bazel 3.1.0 8,0 11,0 tensorflow-2.3.0 3,5-3,8 CGC 7.3.1 Bazel 3.1.0 7.6 10.1 tensorflow-2.2.0 3,5-3,8 CGC 7.3.1 Bazel 2.0.0 7.6 10.1 tensorflow-2.1.0 2,7, 3,5-3,7 CGC 7.3.1 Bazel 0.27.1 7.6 10.1 tensorflow-2.0.0 2,7, 3,3-3,7 CGC 7.3.1 Bazel 0.26.1 7.4 10,0 tensorflow_gpu-1.15.0 2,7, 3,3-3,7 CGC 7.3.1 Bazel 0.26.1 7.4 10,0 tensorflow_gpu-1.14.0 2,7, 3,3-3,7 CGC 4.8 Bazel 0.24.1 7.4 10,0 tensorflow_gpu-1.13.1 2,7, 3,3-3,7 CGC 4.8 Bazel 0.19.2 7.4 10,0 tensorflow_gpu-1.12.0 2,7, 3,3-3,6 CGC 4.8 Bazel 0.15.0 7 9 tensorflow_gpu-1.11.0 2,7, 3,3-3,6 CGC 4.8 Bazel 0.15.0 7 9 tensorflow_gpu-1.10.0 2,7, 3,3-3,6 CGC 4.8 Bazel 0.15.0 7 9 tensorflow_gpu-1.9.0 2,7, 3,3-3,6 CGC 4.8 Bazel 0.11.0 7 9 tensorflow_gpu-1.8.0 2,7, 3,3-3,6 CGC 4.8 Bazel 0.10.0 7 9 tensorflow_gpu-1.7.0 2,7, 3,3-3,6 CGC 4.8 Bazel 0.9.0 7 9 tensorflow_gpu-1.6.0 2,7, 3,3-3,6 CGC 4.8 Bazel 0.9.0 7 9 tensorflow_gpu-1.5.0 2,7, 3,3-3,6 CGC 4.8 Bazel 0.8.0 7 9 tensorflow_gpu-1.4.0 2,7, 3,3-3,6 CGC 4.8 Bazel 0.5.4 6 8 tensorflow_gpu-1.3.0 2,7, 3,3-3,6 CGC 4.8 Bazel 0.4.5 6 8 tensorflow_gpu-1.2.0 2,7, 3,3-3,6 CGC 4.8 Bazel 0.4.5 5.1 8 tensorflow_gpu-1.1.0 2,7, 3,3-3,6 CGC 4.8 Bazel 0.4.2 5.1 8 tensorflow_gpu-1.0.0 2,7, 3,3-3,6 CGC 4.8 Bazel 0.4.2 5.1 8 Mac OS
CPU
Versão Versão Python Compilador Ferramentas de construção tensorflow-2.15.0 3.9-3.11 Clang do xcode 10.15 Bazel 6.1.0 tensorflow-2.14.0 3.9-3.11 Clang do xcode 10.15 Bazel 6.1.0 tensorflow-2.13.0 3.8-3.11 Clang do xcode 10.15 Bazel 5.3.0 tensorflow-2.12.0 3.8-3.11 Clang do xcode 10.15 Bazel 5.3.0 tensorflow-2.11.0 3,7-3,10 Clang do xcode 10.14 Bazel 5.3.0 tensorflow-2.10.0 3,7-3,10 Clang do xcode 10.14 Bazel 5.1.1 tensorflow-2.9.0 3,7-3,10 Clang do xcode 10.14 Bazel 5.0.0 tensorflow-2.8.0 3,7-3,10 Clang do xcode 10.14 Bazel 4.2.1 tensorflow-2.7.0 3,7-3,9 Clang do xcode 10.11 Bazel 3.7.2 tensorflow-2.6.0 3,6-3,9 Clang do xcode 10.11 Bazel 3.7.2 tensorflow-2.5.0 3,6-3,9 Clang do xcode 10.11 Bazel 3.7.2 tensorflow-2.4.0 3,6-3,8 Clang do xcode 10.3 Bazel 3.1.0 tensorflow-2.3.0 3,5-3,8 Clang do xcode 10.1 Bazel 3.1.0 tensorflow-2.2.0 3,5-3,8 Clang do xcode 10.1 Bazel 2.0.0 tensorflow-2.1.0 2,7, 3,5-3,7 Clang do xcode 10.1 Bazel 0.27.1 tensorflow-2.0.0 2,7, 3,5-3,7 Clang do xcode 10.1 Bazel 0.27.1 tensorflow-2.0.0 2,7, 3,3-3,7 Clang do xcode 10.1 Bazel 0.26.1 tensorflow-1.15.0 2,7, 3,3-3,7 Clang do xcode 10.1 Bazel 0.26.1 tensorflow-1.14.0 2,7, 3,3-3,7 Clang do xcode Bazel 0.24.1 tensorflow-1.13.1 2,7, 3,3-3,7 Clang do xcode Bazel 0.19.2 tensorflow-1.12.0 2,7, 3,3-3,6 Clang do xcode Bazel 0.15.0 tensorflow-1.11.0 2,7, 3,3-3,6 Clang do xcode Bazel 0.15.0 tensorflow-1.10.0 2,7, 3,3-3,6 Clang do xcode Bazel 0.15.0 tensorflow-1.9.0 2,7, 3,3-3,6 Clang do xcode Bazel 0.11.0 tensorflow-1.8.0 2,7, 3,3-3,6 Clang do xcode Bazel 0.10.1 tensorflow-1.7.0 2,7, 3,3-3,6 Clang do xcode Bazel 0.10.1 tensorflow-1.6.0 2,7, 3,3-3,6 Clang do xcode Bazel 0.8.1 tensorflow-1.5.0 2,7, 3,3-3,6 Clang do xcode Bazel 0.8.1 tensorflow-1.4.0 2,7, 3,3-3,6 Clang do xcode Bazel 0.5.4 tensorflow-1.3.0 2,7, 3,3-3,6 Clang do xcode Bazel 0.4.5 tensorflow-1.2.0 2,7, 3,3-3,6 Clang do xcode Bazel 0.4.5 tensorflow-1.1.0 2,7, 3,3-3,6 Clang do xcode Bazel 0.4.2 tensorflow-1.0.0 2,7, 3,3-3,6 Clang do xcode Bazel 0.4.2 GPU
Versão Versão Python Compilador Ferramentas de construção cuDNN CUDA tensorflow_gpu-1.1.0 2,7, 3,3-3,6 Clang do xcode Bazel 0.4.2 5.1 8 tensorflow_gpu-1.0.0 2,7, 3,3-3,6 Clang do xcode Bazel 0.4.2 5.1 8