Kaynaktan derleme

Kaynaktan bir TensorFlow pip paketi oluşturun ve bunu Ubuntu Linux ve macOS'a yükleyin. Talimatlar diğer sistemlerde işe yarayabilir ancak yalnızca Ubuntu ve macOS için test edilmiş ve desteklenmiştir.

Linux ve macOS için kurulum

Geliştirme ortamınızı yapılandırmak için aşağıdaki derleme araçlarını yükleyin.

Python ve TensorFlow paketi bağımlılıklarını yükleyin

ubuntu

sudo apt install python3-dev python3-pip

Mac os işletim sistemi

Xcode 9.2 veya üstünü gerektirir.

Homebrew paket yöneticisini kullanarak yükleyin:

brew install python

TensorFlow pip paketi bağımlılıklarını yükleyin (sanal bir ortam kullanıyorsanız --user argümanını atlayın):

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

Bazel'i yükleyin

TensorFlow'u oluşturmak için Bazel'i yüklemeniz gerekecek. Bazelisk, Bazel'i kurmanın kolay bir yoludur ve TensorFlow için doğru Bazel sürümünü otomatik olarak indirir. Kullanım kolaylığı için Bazelisk'i PATH dosyanıza bazel çalıştırılabilir dosyası olarak ekleyin.

Bazelisk mevcut değilse Bazel'i manuel olarak yükleyebilirsiniz . TensorFlow'un .bazelversion dosyasından doğru Bazel sürümünü yüklediğinizden emin olun.

Clang, LLVM'yi temel alarak C++ dilinde derlenen bir C/C++/Objective-C derleyicisidir. TensorFlow 2.13'ten başlayarak TensorFlow'u oluşturmak için varsayılan derleyicidir. Şu anda desteklenen sürüm LLVM/Clang 16'dır.

LLVM Debian/Ubuntu gecelik paketleri, Linux'ta manuel kurulum için otomatik kurulum komut dosyası ve paketler sağlar. Paket kaynaklarınıza llvm apt deposunu manuel olarak eklerseniz aşağıdaki komutu çalıştırdığınızdan emin olun:

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

Alternatif olarak, önceden oluşturulmuş Clang + LLVM 16'yı indirip paketinden çıkarabilirsiniz.

Aşağıda indirilen Clang + LLVM 16 ikili dosyalarını Debian/Ubuntu işletim sistemlerine kurmak için atabileceğiniz adımların bir örneği verilmiştir:

  1. İstediğiniz hedef dizine geçin: cd <desired directory>

  2. Bir arşiv dosyası yükleyin ve çıkarın...(mimarinize uygun):

    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
    
    

  3. Çıkarılan içerikleri (dizinler ve dosyalar) /usr dizinine kopyalayın (sudo izinlerine ihtiyacınız olabilir ve doğru dizin dağıtıma göre değişebilir). Bu, Clang ve LLVM'yi etkili bir şekilde yükler ve yola ekler. Daha önce bir kurulum yapmadığınız sürece hiçbir şeyi değiştirmenize gerek yoktur; bu durumda şu dosyaları değiştirmeniz gerekir:

    cp -r clang+llvm-16.0.0-x86_64-linux-gnu-ubuntu-18.04/* /usr
    

  4. Elde edilen Clang + LLVM 16 ikili dosya versiyonunu kontrol edin:

    clang --version
    

  5. Artık /usr/bin/clang yeni clang'ınıza giden gerçek yoldur. ./configure betiğini çalıştırabilir veya CC ve BAZEL_COMPILER ortam değişkenlerini bu yola manuel olarak ayarlayabilirsiniz.

GPU desteğini yükleyin (isteğe bağlı, yalnızca Linux)

MacOS için GPU desteği yoktur .

TensorFlow'u bir GPU'da çalıştırmak için gereken sürücüleri ve ek yazılımı yüklemek için GPU destek kılavuzunu okuyun.

TensorFlow kaynak kodunu indirin

TensorFlow deposunu klonlamak için Git'i kullanın:

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

Repo varsayılan olarak master geliştirme şubesine gider. Ayrıca oluşturmak için bir sürüm şubesine de göz atabilirsiniz:

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

Yapıyı yapılandırma

TensorFlow yapıları, havuzun kök dizinindeki .bazelrc dosyası tarafından yapılandırılır. Ortak ayarları düzenlemek için ./configure veya ./configure.py komut dosyaları kullanılabilir.

Lütfen ./configure betiğini deponun kök dizininden çalıştırın. Bu komut dosyası sizden TensorFlow bağımlılıklarının konumunu isteyecek ve ek yapı yapılandırma seçenekleri (örneğin derleyici bayrakları) isteyecektir. Ayrıntılar için Örnek oturum bölümüne bakın.

./configure

Bu betiğin bir python sürümü de var: ./configure.py . Sanal bir ortam kullanılıyorsa, python configure.py ortam içindeki yollara öncelik verirken, ./configure ortam dışındaki yollara öncelik verir. Her iki durumda da varsayılanı değiştirebilirsiniz.

Örnek oturum

Aşağıda ./configure betiğinin örnek bir çalışması gösterilmektedir (oturumunuz farklı olabilir):

Yapılandırma seçenekleri

GPU desteği

GPU desteği için yapılandırma sırasında cuda=Y ayarını yapın ve CUDA ve cuDNN sürümlerini belirtin. Sisteminizde birden fazla CUDA veya cuDNN sürümü yüklüyse, varsayılana güvenmek yerine sürümü açıkça ayarlayın. ./configure sisteminizin CUDA kitaplıklarına sembolik bağlantılar oluşturur; dolayısıyla CUDA kitaplığı yollarınızı güncellerseniz, oluşturmadan önce bu yapılandırma adımının yeniden çalıştırılması gerekir.

Optimizasyonlar

Derleme optimizasyon bayrakları için, varsayılan ( -march=native ), makinenizin CPU türüne göre oluşturulan kodu optimize eder. Ancak farklı bir CPU türü için TensorFlow oluşturuyorsanız daha spesifik bir optimizasyon bayrağını düşünün. Örnekler için GCC kılavuzuna bakın.

Önceden yapılandırılmış konfigürasyonlar

bazel build komutuna eklenebilecek önceden yapılandırılmış bazı build yapılandırmaları mevcuttur, örneğin:

  • --config=dbg —Hata ayıklama bilgileriyle derleyin. Ayrıntılar için CONTRIBUTING.md'ye bakın.
  • --config=mkl —Intel® MKL-DNN desteği.
  • --config=monolithic — Çoğunlukla statik, monolitik bir yapı için yapılandırma.

Pip paketini oluşturun ve yükleyin

Pip paketi iki adımda oluşturulur. bazel build komutları bir "paket oluşturucu" programı oluşturur. Daha sonra paketi oluşturmak için paket oluşturucuyu çalıştırırsınız.

Paket oluşturucuyu oluşturun

TensorFlow 2.x paket oluşturucusunu oluşturmak için bazel build kullanın:

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

Bazel oluşturma seçenekleri

Derleme seçenekleri için Bazel komut satırı referansına bakın.

TensorFlow'u kaynaktan oluşturmak çok fazla RAM kullanabilir. Sisteminizin belleği kısıtlıysa Bazel'in RAM kullanımını şu şekilde sınırlayın: --local_ram_resources=2048 .

Resmi TensorFlow paketleri, manylinux2014 paket standardına uygun bir Clang araç zinciri ile oluşturulmuştur.

Paketi oluştur

bazel build komutu build_pip_package adında bir yürütülebilir dosya oluşturur; bu, pip paketini oluşturan programdır. /tmp/tensorflow_pkg dizininde bir .whl paketi oluşturmak için yürütülebilir dosyayı aşağıda gösterildiği gibi çalıştırın.

Bir yayın dalından derlemek için:

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

Master'dan derlemek için doğru bağımlılıkları elde etmek amacıyla --nightly_flag kullanın:

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

Aynı kaynak ağacı altında hem CUDA hem de CUDA olmayan yapılandırmalar oluşturmak mümkün olsa da, aynı kaynak ağaçta bu iki yapılandırma arasında geçiş yaparken bazel clean çalıştırılması önerilir.

Paketi yükleyin

Oluşturulan .whl dosyasının dosya adı TensorFlow sürümüne ve platformunuza bağlıdır. Paketi yüklemek için pip install kullanın, örneğin:

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

Docker Linux'un derlemeleri

TensorFlow'un Docker geliştirme görüntüleri, Linux paketlerini kaynaktan oluşturmak için bir ortam kurmanın kolay bir yoludur. Bu görüntüler TensorFlow'u oluşturmak için gereken kaynak kodunu ve bağımlılıkları zaten içeriyor. Kurulum talimatları ve mevcut görüntü etiketlerinin listesi için TensorFlow Docker kılavuzuna gidin.

Yalnızca CPU

Aşağıdaki örnek, en son TensorFlow kaynak kodundan yalnızca CPU içeren bir paket oluşturmak için :devel görüntüsünü kullanır. Mevcut TensorFlow -devel etiketleri için Docker kılavuzunu kontrol edin.

En son geliştirme görüntüsünü indirin ve pip paketini oluşturmak için kullanacağınız bir Docker kapsayıcısını başlatın:

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

Yukarıdaki docker run komutu, kaynak ağacın kökü olan /tensorflow_src dizininde bir kabuk başlatır. Ana bilgisayarın mevcut dizinini konteynerin /mnt dizinine bağlar ve ana bilgisayar kullanıcısının bilgilerini bir ortam değişkeni (izinleri ayarlamak için kullanılır; Docker bunu karmaşık hale getirebilir) aracılığıyla konteynere aktarır.

Alternatif olarak, bir konteyner içinde TensorFlow'un ana bilgisayar kopyasını oluşturmak için ana bilgisayar kaynak ağacını konteynerin /tensorflow dizinine bağlayın:

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

Kaynak ağacı kurulduğunda TensorFlow paketini konteynerin sanal ortamında oluşturun:

  1. İsteğe bağlı: Yapıyı yapılandırın—bu, kullanıcıdan yapı yapılandırması sorularını yanıtlamasını ister.
  2. Pip paketini oluşturmak için kullanılan aracı oluşturun.
  3. Pip paketini oluşturmak için aracı çalıştırın.
  4. Dosyanın sahiplik izinlerini kapsayıcının dışı için ayarlayın.
./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

Paketi konteynerin içine kurun ve doğrulayın:

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__)"

Ana makinenizde, TensorFlow pip paketi geçerli dizinde bulunur (ana bilgisayar kullanıcı izinleriyle birlikte): ./tensorflow- version - tags .whl

GPU desteği

Docker, TensorFlow için GPU desteği oluşturmanın en kolay yoludur çünkü ana makine yalnızca NVIDIA® sürücüsünü gerektirir ( NVIDIA® CUDA® Araç Takımının kurulmasına gerek yoktur). Nvidia-docker'ı kurmak için GPU destek kılavuzuna ve TensorFlow Docker kılavuzuna bakın (yalnızca Linux).

Aşağıdaki örnek, TensorFlow :devel-gpu görüntüsünü indirir ve GPU özellikli kapsayıcıyı çalıştırmak için nvidia-docker kullanır. Bu geliştirme görüntüsü, GPU desteğine sahip bir pip paketi oluşturacak şekilde yapılandırılmıştır:

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

Ardından konteynerin sanal ortamında GPU desteğiyle TensorFlow paketini oluşturun:

./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

Paketi kapsayıcıya kurup doğrulayın ve GPU olup olmadığını kontrol edin:

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')))"

Test edilmiş yapı yapılandırmaları

Linux

İşlemci

Sürüm Python sürümü Derleyici Araçlar oluşturun
tensorflow-2.15.0 3.9-3.11 çıngırak 16.0.0 Bazel 6.1.0
tensorflow-2.14.0 3.9-3.11 çıngırak 16.0.0 Bazel 6.1.0
tensorflow-2.13.0 3.8-3.11 çıngırak 16.0.0 Bazel 5.3.0
tensorflow-2.12.0 3.8-3.11 GCC 9.3.1 Bazel 5.3.0
tensorflow-2.11.0 3.7-3.10 GCC 9.3.1 Bazel 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 Bazel 3.7.2
tensorflow-2.6.0 3.6-3.9 GCC 7.3.1 Bazel 3.7.2
tensorflow-2.5.0 3.6-3.9 GCC 7.3.1 Bazel 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

Sürüm Python sürümü Derleyici Araçlar oluşturun cuDNN CUDA
tensorflow-2.15.0 3.9-3.11 çıngırak 16.0.0 Bazel 6.1.0 8.9 12.2
tensorflow-2.14.0 3.9-3.11 çıngırak 16.0.0 Bazel 6.1.0 8.7 11.8
tensorflow-2.13.0 3.8-3.11 çıngırak 16.0.0 Bazel 5.3.0 8.6 11.8
tensorflow-2.12.0 3.8-3.11 GCC 9.3.1 Bazel 5.3.0 8.6 11.8
tensorflow-2.11.0 3.7-3.10 GCC 9.3.1 Bazel 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 Bazel 3.7.2 8.1 11.2
tensorflow-2.6.0 3.6-3.9 GCC 7.3.1 Bazel 3.7.2 8.1 11.2
tensorflow-2.5.0 3.6-3.9 GCC 7.3.1 Bazel 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

Mac os işletim sistemi

İşlemci

Sürüm Python sürümü Derleyici Araçlar oluşturun
tensorflow-2.15.0 3.9-3.11 Xcode 10.15'ten gelen çınlama Bazel 6.1.0
tensorflow-2.14.0 3.9-3.11 Xcode 10.15'ten gelen çınlama Bazel 6.1.0
tensorflow-2.13.0 3.8-3.11 Xcode 10.15'ten gelen çınlama Bazel 5.3.0
tensorflow-2.12.0 3.8-3.11 Xcode 10.15'ten gelen çınlama Bazel 5.3.0
tensorflow-2.11.0 3.7-3.10 Xcode 10.14'ten gelen çınlama Bazel 5.3.0
tensorflow-2.10.0 3.7-3.10 Xcode 10.14'ten gelen çınlama Bazel 5.1.1
tensorflow-2.9.0 3.7-3.10 Xcode 10.14'ten gelen çınlama Bazel 5.0.0
tensorflow-2.8.0 3.7-3.10 Xcode 10.14'ten gelen çınlama Bazel 4.2.1
tensorflow-2.7.0 3.7-3.9 Xcode 10.11'den gelen çınlama Bazel 3.7.2
tensorflow-2.6.0 3.6-3.9 Xcode 10.11'den gelen çınlama Bazel 3.7.2
tensorflow-2.5.0 3.6-3.9 Xcode 10.11'den gelen çınlama Bazel 3.7.2
tensorflow-2.4.0 3.6-3.8 Xcode 10.3'ten gelen çınlama Bazel 3.1.0
tensorflow-2.3.0 3.5-3.8 Xcode 10.1'den gelen çınlama Bazel 3.1.0
tensorflow-2.2.0 3.5-3.8 Xcode 10.1'den gelen çınlama Bazel 2.0.0
tensorflow-2.1.0 2,7, 3,5-3,7 Xcode 10.1'den gelen çınlama Bazel 0.27.1
tensorflow-2.0.0 2,7, 3,5-3,7 Xcode 10.1'den gelen çınlama Bazel 0.27.1
tensorflow-2.0.0 2.7, 3.3-3.7 Xcode 10.1'den gelen çınlama Bazel 0.26.1
tensorflow-1.15.0 2.7, 3.3-3.7 Xcode 10.1'den gelen çınlama Bazel 0.26.1
tensorflow-1.14.0 2.7, 3.3-3.7 Xcode'dan Clang Bazel 0.24.1
tensorflow-1.13.1 2.7, 3.3-3.7 Xcode'dan Clang Bazel 0.19.2
tensorflow-1.12.0 2.7, 3.3-3.6 Xcode'dan Clang Bazel 0.15.0
tensorflow-1.11.0 2.7, 3.3-3.6 Xcode'dan Clang Bazel 0.15.0
tensorflow-1.10.0 2.7, 3.3-3.6 Xcode'dan Clang Bazel 0.15.0
tensorflow-1.9.0 2.7, 3.3-3.6 Xcode'dan Clang Bazel 0.11.0
tensorflow-1.8.0 2.7, 3.3-3.6 Xcode'dan Clang Bazel 0.10.1
tensorflow-1.7.0 2.7, 3.3-3.6 Xcode'dan Clang Bazel 0.10.1
tensorflow-1.6.0 2.7, 3.3-3.6 Xcode'dan Clang Bazel 0.8.1
tensorflow-1.5.0 2.7, 3.3-3.6 Xcode'dan Clang Bazel 0.8.1
tensorflow-1.4.0 2.7, 3.3-3.6 Xcode'dan Clang Bazel 0.5.4
tensorflow-1.3.0 2.7, 3.3-3.6 Xcode'dan Clang Bazel 0.4.5
tensorflow-1.2.0 2.7, 3.3-3.6 Xcode'dan Clang Bazel 0.4.5
tensorflow-1.1.0 2.7, 3.3-3.6 Xcode'dan Clang Bazel 0.4.2
tensorflow-1.0.0 2.7, 3.3-3.6 Xcode'dan Clang Bazel 0.4.2

GPU

Sürüm Python sürümü Derleyici Araçlar oluşturun cuDNN CUDA
tensorflow_gpu-1.1.0 2.7, 3.3-3.6 Xcode'dan Clang Bazel 0.4.2 5.1 8
tensorflow_gpu-1.0.0 2.7, 3.3-3.6 Xcode'dan Clang Bazel 0.4.2 5.1 8
,

Kaynaktan bir TensorFlow pip paketi oluşturun ve bunu Ubuntu Linux ve macOS'a yükleyin. Talimatlar diğer sistemlerde işe yarayabilir ancak yalnızca Ubuntu ve macOS için test edilmiş ve desteklenmiştir.

Linux ve macOS için kurulum

Geliştirme ortamınızı yapılandırmak için aşağıdaki derleme araçlarını yükleyin.

Python ve TensorFlow paketi bağımlılıklarını yükleyin

ubuntu

sudo apt install python3-dev python3-pip

Mac os işletim sistemi

Xcode 9.2 veya üstünü gerektirir.

Homebrew paket yöneticisini kullanarak yükleyin:

brew install python

TensorFlow pip paketi bağımlılıklarını yükleyin (sanal bir ortam kullanıyorsanız --user argümanını atlayın):

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

Bazel'i yükleyin

TensorFlow'u oluşturmak için Bazel'i yüklemeniz gerekecek. Bazelisk, Bazel'i kurmanın kolay bir yoludur ve TensorFlow için doğru Bazel sürümünü otomatik olarak indirir. Kullanım kolaylığı için Bazelisk'i PATH dosyanıza bazel çalıştırılabilir dosyası olarak ekleyin.

Bazelisk mevcut değilse Bazel'i manuel olarak yükleyebilirsiniz . TensorFlow'un .bazelversion dosyasından doğru Bazel sürümünü yüklediğinizden emin olun.

Clang, LLVM'yi temel alarak C++ dilinde derlenen bir C/C++/Objective-C derleyicisidir. TensorFlow 2.13'ten başlayarak TensorFlow'u oluşturmak için varsayılan derleyicidir. Şu anda desteklenen sürüm LLVM/Clang 16'dır.

LLVM Debian/Ubuntu gecelik paketleri, Linux'ta manuel kurulum için otomatik kurulum komut dosyası ve paketler sağlar. Paket kaynaklarınıza llvm apt deposunu manuel olarak eklerseniz aşağıdaki komutu çalıştırdığınızdan emin olun:

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

Alternatif olarak, önceden oluşturulmuş Clang + LLVM 16'yı indirip paketinden çıkarabilirsiniz.

Aşağıda indirilen Clang + LLVM 16 ikili dosyalarını Debian/Ubuntu işletim sistemlerine kurmak için atabileceğiniz adımların bir örneği verilmiştir:

  1. İstediğiniz hedef dizine geçin: cd <desired directory>

  2. Bir arşiv dosyası yükleyin ve çıkarın...(mimarinize uygun):

    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
    
    

  3. Çıkarılan içerikleri (dizinler ve dosyalar) /usr dizinine kopyalayın (sudo izinlerine ihtiyacınız olabilir ve doğru dizin dağıtıma göre değişebilir). Bu, Clang ve LLVM'yi etkili bir şekilde yükler ve yola ekler. Daha önce bir kurulum yapmadığınız sürece hiçbir şeyi değiştirmenize gerek yoktur; bu durumda şu dosyaları değiştirmeniz gerekir:

    cp -r clang+llvm-16.0.0-x86_64-linux-gnu-ubuntu-18.04/* /usr
    

  4. Elde edilen Clang + LLVM 16 ikili dosya versiyonunu kontrol edin:

    clang --version
    

  5. Artık /usr/bin/clang yeni clang'ınıza giden gerçek yoldur. ./configure betiğini çalıştırabilir veya CC ve BAZEL_COMPILER ortam değişkenlerini bu yola manuel olarak ayarlayabilirsiniz.

GPU desteğini yükleyin (isteğe bağlı, yalnızca Linux)

MacOS için GPU desteği yoktur .

TensorFlow'u bir GPU'da çalıştırmak için gereken sürücüleri ve ek yazılımı yüklemek için GPU destek kılavuzunu okuyun.

TensorFlow kaynak kodunu indirin

TensorFlow deposunu klonlamak için Git'i kullanın:

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

Repo varsayılan olarak master geliştirme şubesine gider. Ayrıca oluşturmak için bir sürüm şubesine de göz atabilirsiniz:

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

Yapıyı yapılandırma

TensorFlow yapıları, havuzun kök dizinindeki .bazelrc dosyası tarafından yapılandırılır. Ortak ayarları düzenlemek için ./configure veya ./configure.py komut dosyaları kullanılabilir.

Lütfen ./configure betiğini deponun kök dizininden çalıştırın. Bu komut dosyası sizden TensorFlow bağımlılıklarının konumunu isteyecek ve ek yapı yapılandırma seçenekleri (örneğin derleyici bayrakları) isteyecektir. Ayrıntılar için Örnek oturum bölümüne bakın.

./configure

Bu betiğin bir python sürümü de var: ./configure.py . Sanal bir ortam kullanılıyorsa, python configure.py ortam içindeki yollara öncelik verirken, ./configure ortam dışındaki yollara öncelik verir. Her iki durumda da varsayılanı değiştirebilirsiniz.

Örnek oturum

Aşağıda ./configure betiğinin örnek bir çalışması gösterilmektedir (oturumunuz farklı olabilir):

Yapılandırma seçenekleri

GPU desteği

GPU desteği için yapılandırma sırasında cuda=Y ayarını yapın ve CUDA ve cuDNN sürümlerini belirtin. Sisteminizde birden fazla CUDA veya cuDNN sürümü yüklüyse, varsayılana güvenmek yerine sürümü açıkça ayarlayın. ./configure sisteminizin CUDA kitaplıklarına sembolik bağlantılar oluşturur; dolayısıyla CUDA kitaplığı yollarınızı güncellerseniz, oluşturmadan önce bu yapılandırma adımının yeniden çalıştırılması gerekir.

Optimizasyonlar

Derleme optimizasyon bayrakları için, varsayılan ( -march=native ), makinenizin CPU türüne göre oluşturulan kodu optimize eder. Ancak farklı bir CPU türü için TensorFlow oluşturuyorsanız daha spesifik bir optimizasyon bayrağını düşünün. Örnekler için GCC kılavuzuna bakın.

Önceden yapılandırılmış konfigürasyonlar

bazel build komutuna eklenebilecek önceden yapılandırılmış bazı build yapılandırmaları mevcuttur, örneğin:

  • --config=dbg —Hata ayıklama bilgileriyle derleyin. Ayrıntılar için CONTRIBUTING.md'ye bakın.
  • --config=mkl —Intel® MKL-DNN desteği.
  • --config=monolithic — Çoğunlukla statik, monolitik bir yapı için yapılandırma.

Pip paketini oluşturun ve yükleyin

Pip paketi iki adımda oluşturulur. bazel build komutları bir "paket oluşturucu" programı oluşturur. Daha sonra paketi oluşturmak için paket oluşturucuyu çalıştırırsınız.

Paket oluşturucuyu oluşturun

TensorFlow 2.x paket oluşturucusunu oluşturmak için bazel build kullanın:

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

Bazel oluşturma seçenekleri

Derleme seçenekleri için Bazel komut satırı referansına bakın.

TensorFlow'u kaynaktan oluşturmak çok fazla RAM kullanabilir. Sisteminizin belleği kısıtlıysa Bazel'in RAM kullanımını şu şekilde sınırlayın: --local_ram_resources=2048 .

Resmi TensorFlow paketleri, manylinux2014 paket standardına uygun bir Clang araç zinciri ile oluşturulmuştur.

Paketi oluştur

bazel build komutu build_pip_package adında bir yürütülebilir dosya oluşturur; bu, pip paketini oluşturan programdır. /tmp/tensorflow_pkg dizininde bir .whl paketi oluşturmak için yürütülebilir dosyayı aşağıda gösterildiği gibi çalıştırın.

Bir yayın dalından derlemek için:

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

Master'dan derlemek için doğru bağımlılıkları elde etmek amacıyla --nightly_flag kullanın:

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

Aynı kaynak ağacı altında hem CUDA hem de CUDA olmayan yapılandırmalar oluşturmak mümkün olsa da, aynı kaynak ağaçta bu iki yapılandırma arasında geçiş yaparken bazel clean çalıştırılması önerilir.

Paketi yükleyin

Oluşturulan .whl dosyasının dosya adı TensorFlow sürümüne ve platformunuza bağlıdır. Paketi yüklemek için pip install kullanın, örneğin:

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

Docker Linux'un derlemeleri

TensorFlow'un Docker geliştirme görüntüleri, Linux paketlerini kaynaktan oluşturmak için bir ortam kurmanın kolay bir yoludur. Bu görüntüler TensorFlow'u oluşturmak için gereken kaynak kodunu ve bağımlılıkları zaten içeriyor. Kurulum talimatları ve mevcut görüntü etiketlerinin listesi için TensorFlow Docker kılavuzuna gidin.

Yalnızca CPU

Aşağıdaki örnek, en son TensorFlow kaynak kodundan yalnızca CPU içeren bir paket oluşturmak için :devel görüntüsünü kullanır. Mevcut TensorFlow -devel etiketleri için Docker kılavuzunu kontrol edin.

En son geliştirme görüntüsünü indirin ve pip paketini oluşturmak için kullanacağınız bir Docker kapsayıcısını başlatın:

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

Yukarıdaki docker run komutu, kaynak ağacın kökü olan /tensorflow_src dizininde bir kabuk başlatır. Ana bilgisayarın mevcut dizinini konteynerin /mnt dizinine bağlar ve ana bilgisayar kullanıcısının bilgilerini bir ortam değişkeni (izinleri ayarlamak için kullanılır; Docker bunu karmaşık hale getirebilir) aracılığıyla konteynere aktarır.

Alternatif olarak, bir konteyner içinde TensorFlow'un ana bilgisayar kopyasını oluşturmak için ana bilgisayar kaynak ağacını konteynerin /tensorflow dizinine bağlayın:

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

Kaynak ağacı kurulduğunda TensorFlow paketini konteynerin sanal ortamında oluşturun:

  1. İsteğe bağlı: Yapıyı yapılandırın—bu, kullanıcıdan yapı yapılandırması sorularını yanıtlamasını ister.
  2. Pip paketini oluşturmak için kullanılan aracı oluşturun.
  3. Pip paketini oluşturmak için aracı çalıştırın.
  4. Dosyanın sahiplik izinlerini kapsayıcının dışı için ayarlayın.
./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

Paketi konteynerin içine kurun ve doğrulayın:

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__)"

Ana makinenizde, TensorFlow pip paketi geçerli dizinde bulunur (ana bilgisayar kullanıcı izinleriyle birlikte): ./tensorflow- version - tags .whl

GPU desteği

Docker, TensorFlow için GPU desteği oluşturmanın en kolay yoludur çünkü ana makine yalnızca NVIDIA® sürücüsünü gerektirir ( NVIDIA® CUDA® Araç Takımının kurulmasına gerek yoktur). Nvidia-docker'ı kurmak için GPU destek kılavuzuna ve TensorFlow Docker kılavuzuna bakın (yalnızca Linux).

Aşağıdaki örnek, TensorFlow :devel-gpu görüntüsünü indirir ve GPU özellikli kapsayıcıyı çalıştırmak için nvidia-docker kullanır. Bu geliştirme görüntüsü, GPU desteğine sahip bir pip paketi oluşturacak şekilde yapılandırılmıştır:

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

Ardından konteynerin sanal ortamında GPU desteğiyle TensorFlow paketini oluşturun:

./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

Paketi kapsayıcıya kurup doğrulayın ve GPU olup olmadığını kontrol edin:

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')))"

Test edilmiş yapı yapılandırmaları

Linux

İşlemci

Sürüm Python sürümü Derleyici Araçlar oluşturun
tensorflow-2.15.0 3.9-3.11 çıngırak 16.0.0 Bazel 6.1.0
tensorflow-2.14.0 3.9-3.11 çıngırak 16.0.0 Bazel 6.1.0
tensorflow-2.13.0 3.8-3.11 çıngırak 16.0.0 Bazel 5.3.0
tensorflow-2.12.0 3.8-3.11 GCC 9.3.1 Bazel 5.3.0
tensorflow-2.11.0 3.7-3.10 GCC 9.3.1 Bazel 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 Bazel 3.7.2
tensorflow-2.6.0 3.6-3.9 GCC 7.3.1 Bazel 3.7.2
tensorflow-2.5.0 3.6-3.9 GCC 7.3.1 Bazel 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

Sürüm Python sürümü Derleyici Araçlar oluşturun cuDNN CUDA
tensorflow-2.15.0 3.9-3.11 çıngırak 16.0.0 Bazel 6.1.0 8.9 12.2
tensorflow-2.14.0 3.9-3.11 çıngırak 16.0.0 Bazel 6.1.0 8.7 11.8
tensorflow-2.13.0 3.8-3.11 çıngırak 16.0.0 Bazel 5.3.0 8.6 11.8
tensorflow-2.12.0 3.8-3.11 GCC 9.3.1 Bazel 5.3.0 8.6 11.8
tensorflow-2.11.0 3.7-3.10 GCC 9.3.1 Bazel 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 Bazel 3.7.2 8.1 11.2
tensorflow-2.6.0 3.6-3.9 GCC 7.3.1 Bazel 3.7.2 8.1 11.2
tensorflow-2.5.0 3.6-3.9 GCC 7.3.1 Bazel 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

Mac os işletim sistemi

İşlemci

Sürüm Python sürümü Derleyici Araçlar oluşturun
tensorflow-2.15.0 3.9-3.11 Xcode 10.15'ten gelen çınlama Bazel 6.1.0
tensorflow-2.14.0 3.9-3.11 Xcode 10.15'ten gelen çınlama Bazel 6.1.0
tensorflow-2.13.0 3.8-3.11 Xcode 10.15'ten gelen çınlama Bazel 5.3.0
tensorflow-2.12.0 3.8-3.11 Xcode 10.15'ten gelen çınlama Bazel 5.3.0
tensorflow-2.11.0 3.7-3.10 Xcode 10.14'ten gelen çınlama Bazel 5.3.0
tensorflow-2.10.0 3.7-3.10 Xcode 10.14'ten gelen çınlama Bazel 5.1.1
tensorflow-2.9.0 3.7-3.10 Xcode 10.14'ten gelen çınlama Bazel 5.0.0
tensorflow-2.8.0 3.7-3.10 Xcode 10.14'ten gelen çınlama Bazel 4.2.1
tensorflow-2.7.0 3.7-3.9 Xcode 10.11'den gelen çınlama Bazel 3.7.2
tensorflow-2.6.0 3.6-3.9 Xcode 10.11'den gelen çınlama Bazel 3.7.2
tensorflow-2.5.0 3.6-3.9 Xcode 10.11'den gelen çınlama Bazel 3.7.2
tensorflow-2.4.0 3.6-3.8 Xcode 10.3'ten gelen çınlama Bazel 3.1.0
tensorflow-2.3.0 3.5-3.8 Xcode 10.1'den gelen çınlama Bazel 3.1.0
tensorflow-2.2.0 3.5-3.8 Xcode 10.1'den gelen çınlama Bazel 2.0.0
tensorflow-2.1.0 2.7, 3.5-3.7 Xcode 10.1'den gelen çınlama Bazel 0.27.1
tensorflow-2.0.0 2.7, 3.5-3.7 Xcode 10.1'den gelen çınlama Bazel 0.27.1
tensorflow-2.0.0 2.7, 3.3-3.7 Xcode 10.1'den gelen çınlama Bazel 0.26.1
tensorflow-1.15.0 2.7, 3.3-3.7 Xcode 10.1'den gelen çınlama Bazel 0.26.1
tensorflow-1.14.0 2.7, 3.3-3.7 Xcode'dan Clang Bazel 0.24.1
tensorflow-1.13.1 2.7, 3.3-3.7 Xcode'dan Clang Bazel 0.19.2
tensorflow-1.12.0 2.7, 3.3-3.6 Xcode'dan Clang Bazel 0.15.0
tensorflow-1.11.0 2.7, 3.3-3.6 Xcode'dan Clang Bazel 0.15.0
tensorflow-1.10.0 2.7, 3.3-3.6 Xcode'dan Clang Bazel 0.15.0
tensorflow-1.9.0 2.7, 3.3-3.6 Xcode'dan Clang Bazel 0.11.0
tensorflow-1.8.0 2.7, 3.3-3.6 Xcode'dan Clang Bazel 0.10.1
tensorflow-1.7.0 2.7, 3.3-3.6 Xcode'dan Clang Bazel 0.10.1
tensorflow-1.6.0 2.7, 3.3-3.6 Xcode'dan Clang Bazel 0.8.1
tensorflow-1.5.0 2.7, 3.3-3.6 Xcode'dan Clang Bazel 0.8.1
tensorflow-1.4.0 2.7, 3.3-3.6 Xcode'dan Clang Bazel 0.5.4
tensorflow-1.3.0 2.7, 3.3-3.6 Xcode'dan Clang Bazel 0.4.5
tensorflow-1.2.0 2.7, 3.3-3.6 Xcode'dan Clang Bazel 0.4.5
tensorflow-1.1.0 2.7, 3.3-3.6 Xcode'dan Clang Bazel 0.4.2
tensorflow-1.0.0 2.7, 3.3-3.6 Xcode'dan Clang Bazel 0.4.2

GPU

Sürüm Python sürümü Derleyici Araçlar oluşturun cuDNN CUDA
tensorflow_gpu-1.1.0 2.7, 3.3-3.6 Xcode'dan Clang Bazel 0.4.2 5.1 8
tensorflow_gpu-1.0.0 2.7, 3.3-3.6 Xcode'dan Clang Bazel 0.4.2 5.1 8