Zainstaluj TensorFlow za pomocą pip

Linux

python3 -m pip install 'tensorflow[and-cuda]'
# Verify the installation:
python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"

macOS

# There is currently no official GPU support for MacOS.
python3 -m pip install tensorflow
# Verify the installation:
python3 -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"

Natywny dla systemu Windows

conda install -c conda-forge cudatoolkit=11.2 cudnn=8.1.0
# Anything above 2.10 is not supported on the GPU on Windows Native
python -m pip install "tensorflow<2.11"
# Verify the installation:
python -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"

Windows WSL2

python3 -m pip install tensorflow[and-cuda]
# Verify the installation:
python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"

Procesor

python3 -m pip install tensorflow
# Verify the installation:
python3 -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"

Nocny

python3 -m pip install tf-nightly
# Verify the installation:
python3 -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"

Linux

1. Wymagania systemowe

• Ubuntu 16.04 lub nowszy (64-bitowy)

TensorFlow oficjalnie obsługuje tylko Ubuntu. Poniższe instrukcje mogą jednak działać również w innych dystrybucjach Linuksa.

2. Konfiguracja GPU

Możesz pominąć tę sekcję, jeśli TensorFlow uruchamiasz tylko na procesorze.

Zainstaluj sterownik karty graficznej NVIDIA, jeśli jeszcze tego nie zrobiłeś. Możesz użyć poniższego polecenia, aby sprawdzić, czy jest zainstalowany.

nvidia-smi

3. Utwórz środowisko wirtualne za pomocą venv

Moduł venv jest częścią standardowej biblioteki Pythona i jest oficjalnie zalecanym sposobem tworzenia środowisk wirtualnych.

Przejdź do katalogu żądanych środowisk wirtualnych i utwórz nowe środowisko venv o nazwie tf za pomocą następującego polecenia.

python3 -m venv tf 

Można go aktywować za pomocą następującego polecenia.

source tf/bin/activate    

Upewnij się, że środowisko wirtualne będzie aktywne przez cały czas trwania instalacji.

4. Zainstaluj TensorFlow

TensorFlow wymaga najnowszej wersji oprogramowania pip, dlatego zaktualizuj instalację oprogramowania pip, aby mieć pewność, że korzystasz z najnowszej wersji.

pip install --upgrade pip

Następnie zainstaluj TensorFlow za pomocą pip.

# For GPU users
pip install tensorflow[and-cuda]
# For CPU users
pip install tensorflow

6. Zweryfikuj instalację

Sprawdź konfigurację procesora:

python3 -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"

Jeśli zwrócony zostanie tensor, instalacja TensorFlow przebiegła pomyślnie.

Sprawdź konfigurację GPU:

python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"

Jeśli zostanie zwrócona lista urządzeń GPU, instalacja TensorFlow przebiegła pomyślnie. Jeśli nie, przejdź do następnego kroku .

6. [Tylko GPU] Konfiguracja środowiska wirtualnego

Jeśli test GPU w poprzedniej sekcji zakończył się niepowodzeniem, najprawdopodobniejszą przyczyną jest brak wykrycia komponentów i/lub konflikt z istniejącą instalacją CUDA w systemie. Aby to naprawić, należy dodać dowiązania symboliczne.

• Utwórz dowiązania symboliczne do bibliotek współdzielonych NVIDIA:

pushd $(dirname $(python -c 'print(__import__("tensorflow").__file__)'))
ln -svf ../nvidia/*/lib/*.so* .
popd

• Utwórz dowiązanie symboliczne do ptxas:

ln -sf $(find $(dirname $(dirname $(python -c "import nvidia.cuda_nvcc;         
print(nvidia.cuda_nvcc.__file__)"))/*/bin/) -name ptxas -print -quit) $VIRTUAL_ENV/bin/ptxas

Sprawdź konfigurację GPU:

python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"

macOS

1. Wymagania systemowe

• macOS 10.12.6 (Sierra) lub nowszy (64-bitowy)

Obecnie nie ma oficjalnego wsparcia dla GPU dla uruchamiania TensorFlow na macOS. Poniższe instrukcje dotyczą uruchamiania na procesorze CPU.

2. Sprawdź wersję Pythona

Sprawdź, czy Twoje środowisko Python jest już skonfigurowane:

python3 --version
python3 -m pip --version

3. Zainstaluj TensorFlow

TensorFlow wymaga najnowszej wersji oprogramowania pip, dlatego zaktualizuj instalację oprogramowania pip, aby mieć pewność, że korzystasz z najnowszej wersji.

pip install --upgrade pip

Następnie zainstaluj TensorFlow za pomocą pip.

pip install tensorflow

4. Zweryfikuj instalację

python3 -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"

Jeśli zwrócony zostanie tensor, instalacja TensorFlow przebiegła pomyślnie.

Natywny dla systemu Windows

1. Wymagania systemowe

• Windows 7 lub nowszy (64-bitowy)

2. Zainstaluj pakiet redystrybucyjny Microsoft Visual C++

Zainstaluj pakiet redystrybucyjny Microsoft Visual C++ dla programów Visual Studio 2015, 2017 i 2019. Od wersji TensorFlow 2.1.0 plik msvcp140_1.dll jest wymagany w tym pakiecie (może on nie być dostępny w starszych pakietach redystrybucyjnych). Pakiet redystrybucyjny jest dostarczany z programem Visual Studio 2019, ale można go zainstalować osobno:

1. Przejdź do pobierania Microsoft Visual C++ .
2. Przewiń stronę w dół do sekcji poświęconej programom Visual Studio 2015, 2017 i 2019 .
3. Pobierz i zainstaluj pakiet Microsoft Visual C++ Redistributable dla programu Visual Studio 2015, 2017 i 2019 dla swojej platformy.

Upewnij się, że w systemie Windows włączona jest opcja długich ścieżek .

3. Zainstaluj Minicondę

Miniconda to zalecana metoda instalacji TensorFlow z obsługą GPU. Tworzy ona oddzielne środowisko, aby uniknąć konieczności zmiany zainstalowanego oprogramowania w systemie. Jest to również najłatwiejszy sposób instalacji wymaganego oprogramowania, szczególnie w przypadku konfiguracji GPU.

Pobierz instalator Minicondy dla systemu Windows . Kliknij dwukrotnie pobrany plik i postępuj zgodnie z instrukcjami wyświetlanymi na ekranie.

4. Utwórz środowisko conda

Utwórz nowe środowisko conda o nazwie tf za pomocą następującego polecenia.

conda create --name tf python=3.9

Można dezaktywować i aktywować za pomocą następujących poleceń.

conda deactivate
conda activate tf

Upewnij się, że opcja ta będzie aktywna przez cały czas trwania instalacji.

5. Konfiguracja GPU

Możesz pominąć tę sekcję, jeśli uruchamiasz TensorFlow tylko na procesorze.

Jeśli jeszcze tego nie zrobiłeś, zainstaluj najpierw sterownik GPU NVIDIA .

Następnie zainstaluj CUDA, cuDNN za pomocą conda.

conda install -c conda-forge cudatoolkit=11.2 cudnn=8.1.0

6. Zainstaluj TensorFlow

TensorFlow wymaga najnowszej wersji oprogramowania pip, dlatego zaktualizuj instalację oprogramowania pip, aby mieć pewność, że korzystasz z najnowszej wersji.

pip install --upgrade pip

Następnie zainstaluj TensorFlow za pomocą pip.

# Anything above 2.10 is not supported on the GPU on Windows Native
pip install "tensorflow<2.11" 

7. Sprawdź instalację

Sprawdź konfigurację procesora:

python -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"

Jeśli zwrócony zostanie tensor, instalacja TensorFlow przebiegła pomyślnie.

Sprawdź konfigurację GPU:

python -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"

Jeśli zostanie zwrócona lista urządzeń GPU, instalacja TensorFlow przebiegła pomyślnie.

Windows WSL2

1. Wymagania systemowe

• Windows 10 19044 lub nowszy (64-bitowy). Odpowiada to systemowi Windows 10 w wersji 21H2, aktualizacji z listopada 2021 r.

Zobacz następujące dokumenty, aby:

• Pobierz najnowszą aktualizację systemu Windows 10 .
• Zainstaluj WSL2
• Konfiguracja obsługi procesora graficznego NVIDIA® w WSL2

2. Konfiguracja GPU

Możesz pominąć tę sekcję, jeśli TensorFlow uruchamiasz tylko na procesorze.

Zainstaluj sterownik karty graficznej NVIDIA, jeśli jeszcze tego nie zrobiłeś. Możesz użyć poniższego polecenia, aby sprawdzić, czy jest zainstalowany.

nvidia-smi

3. Zainstaluj TensorFlow

TensorFlow wymaga najnowszej wersji oprogramowania pip, dlatego zaktualizuj instalację oprogramowania pip, aby mieć pewność, że korzystasz z najnowszej wersji.

pip install --upgrade pip

Następnie zainstaluj TensorFlow za pomocą pip.

# For GPU users
pip install tensorflow[and-cuda]
# For CPU users
pip install tensorflow

4. Zweryfikuj instalację

Sprawdź konfigurację procesora:

python3 -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"

Jeśli zwrócony zostanie tensor, instalacja TensorFlow przebiegła pomyślnie.

Sprawdź konfigurację GPU:

python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"

Jeśli zostanie zwrócona lista urządzeń GPU, instalacja TensorFlow przebiegła pomyślnie.