Instal TensorFlow dengan pip

Panduan ini ditujukan untuk TensorFlow versi stabil terbaru. Untuk versi pratinjau (nightly) , gunakan paket pip bernama tf-nightly . Lihat tabel ini untuk persyaratan versi TensorFlow yang lebih lama. Untuk versi khusus CPU, gunakan paket pip bernama tensorflow-cpu .

Berikut adalah versi singkat perintah instalasinya. Gulir ke bawah untuk melihat petunjuk langkah demi langkah.

Linux

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

Sistem Operasi 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])))"

Windows Asli

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'))"

CPU

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

Malam

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

Persyaratan perangkat keras

Perangkat yang mendukung GPU berikut ini didukung:

  • Kartu GPU NVIDIA® dengan arsitektur CUDA® 3.5, 5.0, 6.0, 7.0, 7.5, 8.0 dan yang lebih baru. Lihat daftar kartu GPU yang mendukung CUDA® .
  • Untuk GPU dengan arsitektur CUDA® yang tidak didukung, atau untuk menghindari kompilasi JIT dari PTX, atau untuk menggunakan versi pustaka NVIDIA® yang berbeda, lihat panduan membangun Linux dari sumber .
  • Paket tidak berisi kode PTX kecuali untuk arsitektur CUDA® terbaru yang didukung; oleh karena itu, TensorFlow gagal dimuat pada GPU lama ketika CUDA_FORCE_PTX_JIT=1 diatur. (Lihat Kompatibilitas Aplikasi untuk detailnya.)

Persyaratan sistem

  • Ubuntu 16.04 atau lebih tinggi (64-bit)
  • macOS 12.0 (Monterey) atau lebih tinggi (64-bit) (tidak ada dukungan GPU)
  • Windows Native - Windows 7 atau lebih tinggi (64-bit) (tidak ada dukungan GPU setelah TF 2.10)
  • Windows WSL2 - Windows 10 19044 atau lebih tinggi (64-bit)

Persyaratan perangkat lunak

Perangkat lunak NVIDIA® berikut hanya diperlukan untuk dukungan GPU.

Petunjuk langkah demi langkah

Linux

1. Persyaratan sistem

  • Ubuntu 16.04 atau lebih tinggi (64-bit)

TensorFlow secara resmi hanya mendukung Ubuntu. Namun, petunjuk berikut mungkin juga berlaku untuk distro Linux lainnya.

2. Pengaturan GPU

Anda dapat melewati bagian ini jika Anda hanya menjalankan TensorFlow pada CPU.

Instal driver GPU NVIDIA jika belum. Anda dapat menggunakan perintah berikut untuk memverifikasi bahwa driver telah terinstal.

nvidia-smi

3. Buat lingkungan virtual dengan venv

Modul venv adalah bagian dari pustaka standar Python dan merupakan cara yang direkomendasikan secara resmi untuk membuat lingkungan virtual.

Arahkan ke direktori lingkungan virtual yang Anda inginkan dan buat lingkungan venv baru bernama tf dengan perintah berikut.

python3 -m venv tf 

Anda dapat mengaktifkannya dengan perintah berikut.

source tf/bin/activate    

Pastikan lingkungan virtual diaktifkan untuk sisa instalasi.

4. Instal TensorFlow

TensorFlow memerlukan versi pip terbaru, jadi tingkatkan instalasi pip Anda untuk memastikan Anda menjalankan versi terbaru.

pip install --upgrade pip

Lalu, instal TensorFlow dengan pip.

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

6. Verifikasi instalasi

Verifikasi pengaturan CPU:

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

Jika tensor dikembalikan, Anda telah berhasil menginstal TensorFlow.

Verifikasi pengaturan GPU:

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

Jika daftar perangkat GPU ditampilkan, Anda telah berhasil menginstal TensorFlow. Jika tidak, lanjutkan ke langkah berikutnya .

6. [Hanya GPU] Konfigurasi lingkungan virtual

Jika pengujian GPU di bagian terakhir tidak berhasil, kemungkinan besar penyebabnya adalah komponen tidak terdeteksi, dan/atau konflik dengan instalasi CUDA sistem yang ada. Jadi, Anda perlu menambahkan beberapa tautan simbolis untuk memperbaikinya.

  • Buat tautan simbolis ke pustaka bersama NVIDIA:
pushd $(dirname $(python -c 'print(__import__("tensorflow").__file__)'))
ln -svf ../nvidia/*/lib/*.so* .
popd
  • Buat tautan simbolis ke 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

Verifikasi pengaturan GPU:

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

Sistem Operasi MacOS

1. Persyaratan sistem

  • macOS 10.12.6 (Sierra) atau lebih tinggi (64-bit)

Saat ini belum ada dukungan GPU resmi untuk menjalankan TensorFlow di macOS. Petunjuk berikut ini untuk menjalankannya di CPU.

2. Periksa versi Python

Periksa apakah lingkungan Python Anda sudah dikonfigurasi:

python3 --version
python3 -m pip --version

3. Instal TensorFlow

TensorFlow memerlukan versi pip terbaru, jadi tingkatkan instalasi pip Anda untuk memastikan Anda menjalankan versi terbaru.

pip install --upgrade pip

Lalu, instal TensorFlow dengan pip.

pip install tensorflow

4. Verifikasi instalasi

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

Jika tensor dikembalikan, Anda telah berhasil menginstal TensorFlow.

Windows Asli

1. Persyaratan sistem

  • Windows 7 atau lebih tinggi (64-bit)

2. Instal Microsoft Visual C++ Redistributable

Instal Microsoft Visual C++ Redistributable untuk Visual Studio 2015, 2017, dan 2019. Mulai TensorFlow versi 2.1.0, berkas msvcp140_1.dll diperlukan dari paket ini (yang mungkin tidak tersedia dalam paket redistributable yang lebih lama). Redistributable ini sudah termasuk dalam Visual Studio 2019 tetapi dapat diinstal secara terpisah:

  1. Buka unduhan Microsoft Visual C++ .
  2. Gulir ke bawah halaman ke bagian Visual Studio 2015, 2017 dan 2019 .
  3. Unduh dan instal Microsoft Visual C++ Redistributable untuk Visual Studio 2015, 2017 dan 2019 untuk platform Anda.

Pastikan jalur panjang diaktifkan di Windows.

3. Instal Miniconda

Miniconda adalah pendekatan yang direkomendasikan untuk menginstal TensorFlow dengan dukungan GPU. Miniconda menciptakan lingkungan terpisah untuk menghindari perubahan pada perangkat lunak yang terinstal di sistem Anda. Ini juga merupakan cara termudah untuk menginstal perangkat lunak yang diperlukan, terutama untuk pengaturan GPU.

Unduh Miniconda Windows Installer . Klik dua kali berkas yang diunduh dan ikuti petunjuk di layar.

4. Buat lingkungan conda

Buat lingkungan conda baru bernama tf dengan perintah berikut.

conda create --name tf python=3.9

Anda dapat menonaktifkan dan mengaktifkannya dengan perintah berikut.

conda deactivate
conda activate tf

Pastikan itu diaktifkan untuk sisa instalasi.

5. Pengaturan GPU

Anda dapat melewati bagian ini jika Anda hanya menjalankan TensorFlow pada CPU.

Pertama instal driver GPU NVIDIA jika Anda belum memilikinya.

Kemudian instal CUDA, cuDNN dengan conda.

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

6. Instal TensorFlow

TensorFlow memerlukan versi pip terbaru, jadi tingkatkan instalasi pip Anda untuk memastikan Anda menjalankan versi terbaru.

pip install --upgrade pip

Lalu, instal TensorFlow dengan pip.

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

7. Verifikasi instalasi

Verifikasi pengaturan CPU:

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

Jika tensor dikembalikan, Anda telah berhasil menginstal TensorFlow.

Verifikasi pengaturan GPU:

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

Jika daftar perangkat GPU dikembalikan, Anda telah berhasil menginstal TensorFlow.

Windows WSL2

1. Persyaratan sistem

  • Windows 10 19044 atau lebih tinggi (64-bit). Ini sesuai dengan Windows 10 versi 21H2, pembaruan November 2021.

Lihat dokumen berikut untuk:

2. Pengaturan GPU

Anda dapat melewati bagian ini jika Anda hanya menjalankan TensorFlow pada CPU.

Instal driver GPU NVIDIA jika belum. Anda dapat menggunakan perintah berikut untuk memverifikasi bahwa driver telah terinstal.

nvidia-smi

3. Instal TensorFlow

TensorFlow memerlukan versi pip terbaru, jadi tingkatkan instalasi pip Anda untuk memastikan Anda menjalankan versi terbaru.

pip install --upgrade pip

Lalu, instal TensorFlow dengan pip.

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

4. Verifikasi instalasi

Verifikasi pengaturan CPU:

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

Jika tensor dikembalikan, Anda telah berhasil menginstal TensorFlow.

Verifikasi pengaturan GPU:

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

Jika daftar perangkat GPU dikembalikan, Anda telah berhasil menginstal TensorFlow.

Lokasi paket

Beberapa mekanisme instalasi memerlukan URL paket Python TensorFlow. Nilai yang Anda tentukan bergantung pada versi Python Anda.

Versi Alamat URL
Linux x86
Dukungan GPU Python 3.9 https://storage.googleapis.com/tensorflow/versions/2.20.0/tensorflow-2.20.0-cp39-cp39-manylinux_2_17_x86_64.manylinux2014_x86_64.whl
Python 3.9 hanya CPU https://storage.googleapis.com/tensorflow/versions/2.20.0/tensorflow_cpu-2.20.0-cp39-cp39-manylinux_2_17_x86_64.manylinux2014_x86_64.whl
Dukungan GPU Python 3.10 https://storage.googleapis.com/tensorflow/versions/2.20.0/tensorflow-2.20.0-cp310-cp310-manylinux_2_17_x86_64.manylinux2014_x86_64.whl
Python 3.10 hanya CPU https://storage.googleapis.com/tensorflow/versions/2.20.0/tensorflow_cpu-2.20.0-cp310-cp310-manylinux_2_17_x86_64.manylinux2014_x86_64.whl
Dukungan GPU Python 3.11 https://storage.googleapis.com/tensorflow/versions/2.20.0/tensorflow-2.20.0-cp311-cp311-manylinux_2_17_x86_64.manylinux2014_x86_64.whl
Python 3.11 hanya CPU https://storage.googleapis.com/tensorflow/versions/2.20.0/tensorflow_cpu-2.20.0-cp311-cp311-manylinux_2_17_x86_64.manylinux2014_x86_64.whl
Dukungan GPU Python 3.12 https://storage.googleapis.com/tensorflow/versions/2.20.0/tensorflow-2.20.0-cp312-cp312-manylinux_2_17_x86_64.manylinux2014_x86_64.whl
Python 3.12 hanya CPU https://storage.googleapis.com/tensorflow/versions/2.20.0/tensorflow_cpu-2.20.0-cp312-cp312-manylinux_2_17_x86_64.manylinux2014_x86_64.whl
Dukungan GPU Python 3.13 https://storage.googleapis.com/tensorflow/versions/2.20.0/tensorflow-2.20.0-cp313-cp313-manylinux_2_17_x86_64.manylinux2014_x86_64.whl
Python 3.13 hanya CPU https://storage.googleapis.com/tensorflow/versions/2.20.0/tensorflow_cpu-2.20.0-cp313-cp313-manylinux_2_17_x86_64.manylinux2014_x86_64.whl
Linux Arm64 (khusus CPU)
Python 3.9 https://storage.googleapis.com/tensorflow/versions/2.20.0/tensorflow-2.20.0-cp39-cp39-manylinux_2_17_aarch64.manylinux2014_aarch64.whl
Python 3.10 https://storage.googleapis.com/tensorflow/versions/2.20.0/tensorflow-2.20.0-cp310-cp310-manylinux_2_17_aarch64.manylinux2014_aarch64.whl
Python 3.11 https://storage.googleapis.com/tensorflow/versions/2.20.0/tensorflow-2.20.0-cp311-cp311-manylinux_2_17_aarch64.manylinux2014_aarch64.whl
Python 3.12 https://storage.googleapis.com/tensorflow/versions/2.20.0/tensorflow-2.20.0-cp312-cp312-manylinux_2_17_aarch64.manylinux2014_aarch64.whl
Python 3.13 https://storage.googleapis.com/tensorflow/versions/2.20.0/tensorflow-2.20.0-cp313-cp313-manylinux_2_17_aarch64.manylinux2014_aarch64.whl
macOS x86 (khusus CPU)
Perhatian : TensorFlow 2.16 adalah rilis TensorFlow terakhir yang mendukung macOS x86
Python 3.9 https://storage.googleapis.com/tensorflow/versions/2.16.2/tensorflow-2.16.2-cp39-cp39-macosx_10_15_x86_64.whl
Python 3.10 https://storage.googleapis.com/tensorflow/versions/2.16.2/tensorflow-2.16.2-cp310-cp310-macosx_10_15_x86_64.whl
Python 3.11 https://storage.googleapis.com/tensorflow/versions/2.16.2/tensorflow-2.16.2-cp311-cp311-macosx_10_15_x86_64.whl
Python 3.12 https://storage.googleapis.com/tensorflow/versions/2.16.2/tensorflow-2.16.2-cp312-cp312-macosx_10_15_x86_64.whl
macOS Arm64 (khusus CPU)
Python 3.9 https://storage.googleapis.com/tensorflow/versions/2.20.0/tensorflow-2.20.0-cp39-cp39-macosx_12_0_arm64.whl
Python 3.10 https://storage.googleapis.com/tensorflow/versions/2.20.0/tensorflow-2.20.0-cp310-cp310-macosx_12_0_arm64.whl
Python 3.11 https://storage.googleapis.com/tensorflow/versions/2.20.0/tensorflow-2.20.0-cp311-cp311-macosx_12_0_arm64.whl
Python 3.12 https://storage.googleapis.com/tensorflow/versions/2.20.0/tensorflow-2.20.0-cp312-cp312-macosx_12_0_arm64.whl
Python 3.13 https://storage.googleapis.com/tensorflow/versions/2.20.0/tensorflow-2.20.0-cp313-cp313-macosx_12_0_arm64.whl
Windows (khusus CPU)
Python 3.9 https://storage.googleapis.com/tensorflow/versions/2.20.0/tensorflow_cpu-2.20.0-cp39-cp39-win_amd64.whl
Python 3.10 https://storage.googleapis.com/tensorflow/versions/2.20.0/tensorflow_cpu-2.20.0-cp310-cp310-win_amd64.whl
Python 3.11 https://storage.googleapis.com/tensorflow/versions/2.20.0/tensorflow_cpu-2.20.0-cp311-cp311-win_amd64.whl
Python 3.12 https://storage.googleapis.com/tensorflow/versions/2.20.0/tensorflow_cpu-2.20.0-cp312-cp312-win_amd64.whl
Python 3.13 https://storage.googleapis.com/tensorflow/versions/2.20.0/tensorflow_cpu-2.20.0-cp313-cp313-win_amd64.whl