Installer TensorFlow avec 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])))"

Windows natif

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'))"

processeur

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

Chaque nuit

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. Configuration système requise

• Ubuntu 16.04 ou supérieur (64 bits)

TensorFlow ne prend officiellement en charge qu'Ubuntu. Cependant, les instructions suivantes peuvent également fonctionner pour d'autres distributions Linux.

2. Configuration du GPU

Vous pouvez ignorer cette section si vous exécutez TensorFlow uniquement sur le processeur.

Installez le pilote de votre carte graphique NVIDIA si ce n'est pas déjà fait. Vous pouvez utiliser la commande suivante pour vérifier son installation.

nvidia-smi

3. Créez un environnement virtuel avec venv

Le module venv fait partie de la bibliothèque standard de Python et constitue la méthode officiellement recommandée pour créer des environnements virtuels.

Accédez au répertoire de vos environnements virtuels souhaités et créez un nouvel environnement venv nommé tf avec la commande suivante.

python3 -m venv tf 

Vous pouvez l'activer avec la commande suivante.

source tf/bin/activate    

Assurez-vous que l'environnement virtuel est activé pour le reste de l'installation.

4. Installez TensorFlow

TensorFlow nécessite une version récente de pip ; mettez donc à jour votre installation de pip pour vous assurer d'utiliser la dernière version.

pip install --upgrade pip

Ensuite, installez TensorFlow avec pip.

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

6. Vérifiez l'installation

Vérifiez la configuration du processeur :

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

Si un tenseur est renvoyé, cela signifie que vous avez installé TensorFlow avec succès.

Vérifiez la configuration du GPU :

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

Si une liste de périphériques GPU s'affiche, TensorFlow est installé avec succès. Sinon, passez à l'étape suivante .

6. [GPU uniquement] Configuration de l'environnement virtuel

Si le test GPU de la section précédente a échoué, la cause la plus probable est que certains composants ne sont pas détectés et/ou qu'il y a un conflit avec l'installation CUDA existante du système. Il vous faut donc ajouter des liens symboliques pour résoudre ce problème.

• Créer des liens symboliques vers les bibliothèques partagées NVIDIA :

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

• Créez un lien symbolique vers 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

Vérifiez la configuration du GPU :

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

macOS

1. Configuration système requise

• macOS 10.12.6 (Sierra) ou version ultérieure (64 bits)

Actuellement, TensorFlow ne prend pas officiellement en charge les GPU sous macOS. Les instructions suivantes concernent son exécution sur CPU.

2. Vérifier la version de Python

Vérifiez si votre environnement Python est déjà configuré :

python3 --version
python3 -m pip --version

3. Installez TensorFlow

TensorFlow nécessite une version récente de pip ; mettez donc à jour votre installation de pip pour vous assurer d'utiliser la dernière version.

pip install --upgrade pip

Ensuite, installez TensorFlow avec pip.

pip install tensorflow

4. Vérifiez l'installation

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

Si un tenseur est renvoyé, cela signifie que vous avez installé TensorFlow avec succès.

Windows natif

1. Configuration système requise

• Windows 7 ou version ultérieure (64 bits)

2. Installez Microsoft Visual C++ Redistributable

Installez le package redistribuable Microsoft Visual C++ pour Visual Studio 2015, 2017 et 2019. À partir de la version TensorFlow 2.1.0, le fichier msvcp140_1.dll est requis (il peut ne pas être fourni par les packages redistribuables plus anciens). Ce package est inclus dans Visual Studio 2019 , mais peut également être installé séparément.

1. Rendez-vous sur la page de téléchargement de Microsoft Visual C++ .
2. Faites défiler la page vers le bas jusqu'à la section Visual Studio 2015, 2017 et 2019 .
3. Téléchargez et installez le package redistribuable Microsoft Visual C++ pour Visual Studio 2015, 2017 et 2019 pour votre plateforme.

Assurez-vous que les chemins d'accès longs sont activés sous Windows.

3. Installez Miniconda

Miniconda est la méthode recommandée pour installer TensorFlow avec prise en charge du GPU. Elle crée un environnement distinct afin de ne pas modifier les logiciels déjà installés sur votre système. C'est également la méthode la plus simple pour installer les logiciels nécessaires, notamment pour la configuration GPU.

Téléchargez le programme d'installation Miniconda pour Windows . Double-cliquez sur le fichier téléchargé et suivez les instructions à l'écran.

4. Créer un environnement conda

Créez un nouvel environnement conda nommé tf avec la commande suivante.

conda create --name tf python=3.9

Vous pouvez le désactiver et l'activer à l'aide des commandes suivantes.

conda deactivate
conda activate tf

Assurez-vous qu'elle soit activée pour le reste de l'installation.

5. Configuration du GPU

Vous pouvez ignorer cette section si vous exécutez TensorFlow uniquement sur le processeur.

Commencez par installer le pilote de votre carte graphique NVIDIA si ce n'est pas déjà fait.

Installez ensuite CUDA et cuDNN avec conda.

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

6. Installez TensorFlow

TensorFlow nécessite une version récente de pip ; mettez donc à jour votre installation de pip pour vous assurer d'utiliser la dernière version.

pip install --upgrade pip

Ensuite, installez TensorFlow avec pip.

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

7. Vérifiez l'installation

Vérifiez la configuration du processeur :

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

Si un tenseur est renvoyé, cela signifie que vous avez installé TensorFlow avec succès.

Vérifiez la configuration du GPU :

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

Si une liste de périphériques GPU est renvoyée, cela signifie que vous avez installé TensorFlow avec succès.

Windows WSL2

1. Configuration système requise

• Windows 10 version 19044 ou ultérieure (64 bits). Cela correspond à la version 21H2 de Windows 10, la mise à jour de novembre 2021.

Consultez les documents suivants pour :

• Téléchargez la dernière mise à jour de Windows 10 .
• Installer WSL2
• Configurer la prise en charge des GPU NVIDIA® dans WSL2

2. Configuration du GPU

Vous pouvez ignorer cette section si vous exécutez TensorFlow uniquement sur le processeur.

Installez le pilote de votre carte graphique NVIDIA si ce n'est pas déjà fait. Vous pouvez utiliser la commande suivante pour vérifier son installation.

nvidia-smi

3. Installez TensorFlow

TensorFlow nécessite une version récente de pip ; mettez donc à jour votre installation de pip pour vous assurer d'utiliser la dernière version.

pip install --upgrade pip

Ensuite, installez TensorFlow avec pip.

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

4. Vérifiez l'installation

Vérifiez la configuration du processeur :

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

Si un tenseur est renvoyé, cela signifie que vous avez installé TensorFlow avec succès.

Vérifiez la configuration du GPU :

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

Si une liste de périphériques GPU est renvoyée, cela signifie que vous avez installé TensorFlow avec succès.