Instale o TensorFlow com pip

Linux

conda install -c conda-forge cudatoolkit=11.8.0
python3 -m pip install nvidia-cudnn-cu11==8.6.0.163 tensorflow==2.13.*
mkdir -p $CONDA_PREFIX/etc/conda/activate.d
echo 'CUDNN_PATH=$(dirname $(python -c "import nvidia.cudnn;print(nvidia.cudnn.__file__)"))' >> $CONDA_PREFIX/etc/conda/activate.d/env_vars.sh
echo 'export LD_LIBRARY_PATH=$CUDNN_PATH/lib:$CONDA_PREFIX/lib/:$LD_LIBRARY_PATH' >> $CONDA_PREFIX/etc/conda/activate.d/env_vars.sh
source $CONDA_PREFIX/etc/conda/activate.d/env_vars.sh
# Verify install:
python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"

Mac OS

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

Windows nativo

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

Windows WSL2

conda install -c conda-forge cudatoolkit=11.8.0
python3 -m pip install nvidia-cudnn-cu11==8.6.0.163 tensorflow==2.13.*
mkdir -p $CONDA_PREFIX/etc/conda/activate.d
echo 'CUDNN_PATH=$(dirname $(python -c "import nvidia.cudnn;print(nvidia.cudnn.__file__)"))' >> $CONDA_PREFIX/etc/conda/activate.d/env_vars.sh
echo 'export LD_LIBRARY_PATH=$CUDNN_PATH/lib:$CONDA_PREFIX/lib/:$LD_LIBRARY_PATH' >> $CONDA_PREFIX/etc/conda/activate.d/env_vars.sh
source $CONDA_PREFIX/etc/conda/activate.d/env_vars.sh
# Verify install:
python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"

CPU

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

todas as noites

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

Linux

1. Requisitos do sistema

• Ubuntu 16.04 ou superior (64 bits)

O TensorFlow oferece suporte oficial apenas ao Ubuntu. No entanto, as instruções a seguir também podem funcionar para outras distribuições do Linux.

2. Instale o Miniconda

Miniconda é a abordagem recomendada para instalar o TensorFlow com suporte a GPU. Ele cria um ambiente separado para evitar a alteração de qualquer software instalado em seu sistema. Essa também é a maneira mais fácil de instalar o software necessário, especialmente para a configuração da GPU.

Você pode usar o seguinte comando para instalar o Miniconda. Durante a instalação, pode ser necessário pressionar enter e digitar "yes".

curl https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh -o Miniconda3-latest-Linux-x86_64.sh
bash Miniconda3-latest-Linux-x86_64.sh

Pode ser necessário reiniciar seu terminal ou source ~/.bashrc para habilitar o comando conda . Use conda -V para testar se foi instalado com sucesso.

3. Crie um ambiente conda

Crie um novo ambiente conda chamado tf com o seguinte comando.

conda create --name tf python=3.9

Você pode desativá-lo e ativá-lo com os seguintes comandos.

conda deactivate
conda activate tf

Certifique-se de que está ativado para o resto da instalação.

4. Configuração da GPU

Você pode pular esta seção se executar apenas o TensorFlow na CPU.

Primeiro instale o driver da GPU NVIDIA, caso ainda não o tenha. Você pode usar o seguinte comando para verificar se ele está instalado.

nvidia-smi

Em seguida, instale CUDA e cuDNN com conda e pip.

conda install -c conda-forge cudatoolkit=11.8.0
pip install nvidia-cudnn-cu11==8.6.0.163

Configure os caminhos do sistema. Você pode fazer isso com o seguinte comando sempre que iniciar um novo terminal após ativar seu ambiente conda.

CUDNN_PATH=$(dirname $(python -c "import nvidia.cudnn;print(nvidia.cudnn.__file__)"))
export LD_LIBRARY_PATH=$CUDNN_PATH/lib:$CONDA_PREFIX/lib/:$LD_LIBRARY_PATH

Para sua conveniência, é recomendável automatizá-lo com os seguintes comandos. Os caminhos do sistema serão configurados automaticamente quando você ativar este ambiente conda.

mkdir -p $CONDA_PREFIX/etc/conda/activate.d
echo 'CUDNN_PATH=$(dirname $(python -c "import nvidia.cudnn;print(nvidia.cudnn.__file__)"))' >> $CONDA_PREFIX/etc/conda/activate.d/env_vars.sh
echo 'export LD_LIBRARY_PATH=$CUDNN_PATH/lib:$CONDA_PREFIX/lib/:$LD_LIBRARY_PATH' >> $CONDA_PREFIX/etc/conda/activate.d/env_vars.sh

5. Instale o TensorFlow

O TensorFlow requer uma versão recente do pip, então atualize sua instalação do pip para ter certeza de que está executando a versão mais recente.

pip install --upgrade pip

Em seguida, instale o TensorFlow com pip.

pip install tensorflow==2.13.*

6. Verifique a instalação

Verifique a configuração da CPU:

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

Se um tensor for retornado, você instalou o TensorFlow com sucesso.

Verifique a configuração da GPU:

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

Se uma lista de dispositivos GPU for retornada, você instalou o TensorFlow com sucesso.

Ubuntu 22.04

No Ubuntu 22.04, você pode encontrar o seguinte erro:

Can't find libdevice directory ${CUDA_DIR}/nvvm/libdevice.
...
Couldn't invoke ptxas --version
...
InternalError: libdevice not found at ./libdevice.10.bc [Op:__some_op]

Para corrigir esse erro, você precisará executar os seguintes comandos.

# Install NVCC
conda install -c nvidia cuda-nvcc=11.3.58
# Configure the XLA cuda directory
mkdir -p $CONDA_PREFIX/etc/conda/activate.d
printf 'export XLA_FLAGS=--xla_gpu_cuda_data_dir=$CONDA_PREFIX/lib/\n' >> $CONDA_PREFIX/etc/conda/activate.d/env_vars.sh
source $CONDA_PREFIX/etc/conda/activate.d/env_vars.sh
# Copy libdevice file to the required path
mkdir -p $CONDA_PREFIX/lib/nvvm/libdevice
cp $CONDA_PREFIX/lib/libdevice.10.bc $CONDA_PREFIX/lib/nvvm/libdevice/

Mac OS

1. Requisitos do sistema

• macOS 10.12.6 (Sierra) ou superior (64 bits)

Atualmente, não há suporte oficial de GPU para executar o TensorFlow no MacOS. As instruções a seguir são para execução na CPU.

2. Verifique a versão do Python

Verifique se seu ambiente Python já está configurado:

python3 --version
python3 -m pip --version

3. Instale o Miniconda

Miniconda é a abordagem recomendada para instalar o TensorFlow. Ele cria um ambiente separado para evitar a alteração de qualquer software instalado em seu sistema.

Instale o Miniconda:

curl https://repo.anaconda.com/miniconda/Miniconda3-latest-MacOSX-x86_64.sh -o Miniconda3-latest-MacOSX-x86_64.sh
bash Miniconda3-latest-MacOSX-x86_64.sh

Pode ser necessário reiniciar seu terminal ou source ~/.bashrc para habilitar o comando conda . Use conda -V para testar se foi instalado com sucesso.

4. Crie um ambiente conda

Crie um novo ambiente conda chamado tf com o seguinte comando.

conda create --name tf python=3.9

Você pode desativá-lo e ativá-lo com os seguintes comandos.

conda deactivate
conda activate tf

Certifique-se de que está ativado para o resto da instalação.

5. Instale o TensorFlow

O TensorFlow requer uma versão recente do pip, então atualize sua instalação do pip para ter certeza de que está executando a versão mais recente.

pip install --upgrade pip

Em seguida, instale o TensorFlow com pip.

pip install tensorflow

6. Verifique a instalação

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

Se um tensor for retornado, você instalou o TensorFlow com sucesso.

Windows nativo

1. Requisitos do sistema

• Windows 7 ou superior (64 bits)

2. Instale o Microsoft Visual C++ Redistribuível

Instale o Microsoft Visual C++ Redistributable para Visual Studio 2015, 2017 e 2019 . A partir da versão TensorFlow 2.1.0, o arquivo msvcp140_1.dll é necessário neste pacote (que pode não ser fornecido em pacotes redistribuíveis mais antigos). O redistribuível vem com o Visual Studio 2019 , mas pode ser instalado separadamente:

1. Acesse os downloads do Microsoft Visual C++ .
2. Role a página para baixo até a seção Visual Studio 2015, 2017 e 2019 .
3. Baixe e instale o Microsoft Visual C++ Redistributable para Visual Studio 2015, 2017 e 2019 para sua plataforma.

Certifique-se de que os caminhos longos estejam ativados no Windows.

3. Instale o Miniconda

Miniconda é a abordagem recomendada para instalar o TensorFlow com suporte a GPU. Ele cria um ambiente separado para evitar a alteração de qualquer software instalado em seu sistema. Essa também é a maneira mais fácil de instalar o software necessário, especialmente para a configuração da GPU.

Baixe o Miniconda Windows Installer . Clique duas vezes no arquivo baixado e siga as instruções na tela.

4. Crie um ambiente conda

Crie um novo ambiente conda chamado tf com o seguinte comando.

conda create --name tf python=3.9

Você pode desativá-lo e ativá-lo com os seguintes comandos.

conda deactivate
conda activate tf

Certifique-se de que está ativado para o resto da instalação.

5. Configuração da GPU

Você pode pular esta seção se executar apenas o TensorFlow na CPU.

Primeiro instale o driver da GPU NVIDIA, caso ainda não o tenha.

Em seguida, instale o CUDA, cuDNN com conda.

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

6. Instale o TensorFlow

O TensorFlow requer uma versão recente do pip, então atualize sua instalação do pip para ter certeza de que está executando a versão mais recente.

pip install --upgrade pip

Em seguida, instale o TensorFlow com pip.

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

7. Verifique a instalação

Verifique a configuração da CPU:

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

Se um tensor for retornado, você instalou o TensorFlow com sucesso.

Verifique a configuração da GPU:

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

Se uma lista de dispositivos GPU for retornada, você instalou o TensorFlow com sucesso.

Windows WSL2

1. Requisitos do sistema

• Windows 10 19044 ou superior (64 bits). Isso corresponde ao Windows 10 versão 21H2, a atualização de novembro de 2021.

Consulte os seguintes documentos para:

• Baixe a atualização mais recente do Windows 10 .
• Instalar WSL2
• Configure o suporte a GPU NVIDIA® no WSL2

2. Instale o Miniconda

Miniconda é a abordagem recomendada para instalar o TensorFlow com suporte a GPU. Ele cria um ambiente separado para evitar a alteração de qualquer software instalado em seu sistema. Essa também é a maneira mais fácil de instalar o software necessário, especialmente para a configuração da GPU.

Você pode usar o seguinte comando para instalar o Miniconda. Durante a instalação, pode ser necessário pressionar enter e digitar "yes".

curl https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.sh -o Miniconda3-latest-Linux-x86_64.sh
bash Miniconda3-latest-Linux-x86_64.sh

Pode ser necessário reiniciar seu terminal ou source ~/.bashrc para habilitar o comando conda . Use conda -V para testar se foi instalado com sucesso.

3. Crie um ambiente conda

Crie um novo ambiente conda chamado tf com o seguinte comando.

conda create --name tf python=3.9

Você pode desativá-lo e ativá-lo com os seguintes comandos.

conda deactivate
conda activate tf

Certifique-se de que está ativado para o resto da instalação.

4. Configuração da GPU

Você pode pular esta seção se executar apenas o TensorFlow na CPU.

Primeiro instale o driver da GPU NVIDIA, caso ainda não o tenha. Você pode usar o seguinte comando para verificar se ele está instalado.

nvidia-smi

Em seguida, instale CUDA e cuDNN com conda e pip.

conda install -c conda-forge cudatoolkit=11.8.0
pip install nvidia-cudnn-cu11==8.6.0.163

Configure os caminhos do sistema. Você pode fazer isso com o seguinte comando sempre que iniciar um novo terminal após ativar seu ambiente conda.

CUDNN_PATH=$(dirname $(python -c "import nvidia.cudnn;print(nvidia.cudnn.__file__)"))
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:$CUDNN_PATH/lib:$CONDA_PREFIX/lib/

Para sua conveniência, é recomendável automatizá-lo com os seguintes comandos. Os caminhos do sistema serão configurados automaticamente quando você ativar este ambiente conda.

mkdir -p $CONDA_PREFIX/etc/conda/activate.d
echo 'CUDNN_PATH=$(dirname $(python -c "import nvidia.cudnn;print(nvidia.cudnn.__file__)"))' >> $CONDA_PREFIX/etc/conda/activate.d/env_vars.sh
echo 'export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:$CUDNN_PATH/lib:$CONDA_PREFIX/lib/' >> $CONDA_PREFIX/etc/conda/activate.d/env_vars.sh

5. Instale o TensorFlow

O TensorFlow requer uma versão recente do pip, então atualize sua instalação do pip para ter certeza de que está executando a versão mais recente.

pip install --upgrade pip

Em seguida, instale o TensorFlow com pip.

pip install tensorflow==2.13.*

6. Verifique a instalação

Verifique a configuração da CPU:

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

Se um tensor for retornado, você instalou o TensorFlow com sucesso.

Verifique a configuração da GPU:

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

Se uma lista de dispositivos GPU for retornada, você instalou o TensorFlow com sucesso.