Attend the Women in ML Symposium on December 7 Register now

قم بتثبيت TensorFlow مع النقطة

تنظيم صفحاتك في مجموعات يمكنك حفظ المحتوى وتصنيفه حسب إعداداتك المفضّلة.

هذا الدليل مخصص لأحدث إصدار ثابت من TensorFlow. لبناء المعاينة (ليلاً) ، استخدم حزمة النقطة المسماة tf-nightly . راجع هذه الجداول لمعرفة متطلبات إصدار TensorFlow الأقدم. لبناء وحدة المعالجة المركزية فقط ، استخدم حزمة النقطة المسماة tensorflow-cpu .

فيما يلي الإصدارات السريعة لأوامر التثبيت. قم بالتمرير لأسفل للحصول على الإرشادات خطوة بخطوة.

لينكس

conda install -c conda-forge cudatoolkit=11.2 cudnn=8.1.0
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:$CONDA_PREFIX/lib/
python3 -m pip install tensorflow
# Verify install:
python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"

ماك

# 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])))"

نظام التشغيل Windows الأصلي

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
python3 -m pip install "tensorflow<2.11"
# Verify install:
python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"

نظام التشغيل Windows WSL2

conda install -c conda-forge cudatoolkit=11.2 cudnn=8.1.0
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:$CONDA_PREFIX/lib/
python3 -m pip install tensorflow
# Verify install:
python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"

وحدة المعالجة المركزية

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

ليلا

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

متطلبات الأجهزة

الأجهزة التالية التي تدعم GPU مدعومة:

  • بطاقة NVIDIA® GPU مع بنى CUDA® 3.5 و 5.0 و 6.0 و 7.0 و 7.5 و 8.0 وأعلى. راجع قائمة بطاقات GPU التي تدعم CUDA® .
  • بالنسبة لوحدات معالجة الرسومات ذات بنيات CUDA® غير المدعومة ، أو لتجنب تجميع JIT من PTX ، أو لاستخدام إصدارات مختلفة من مكتبات NVIDIA® ، راجع دليل إصدار Linux من المصدر .
  • لا تحتوي الحزم على كود PTX باستثناء أحدث هندسة CUDA® مدعومة ؛ لذلك ، يفشل TensorFlow في التحميل على وحدات معالجة الرسومات الأقدم عند CUDA_FORCE_PTX_JIT=1 . (راجع توافق التطبيق للحصول على التفاصيل.)

متطلبات النظام

  • Ubuntu 16.04 أو أعلى (64 بت)
  • macOS 10.12.6 (Sierra) أو أعلى (64 بت) (لا يدعم GPU)
  • Windows الأصلي - Windows 7 أو أعلى (64 بت)
  • Windows WSL2 - Windows 10 19044 أو أعلى (64 بت)

متطلبات البرنامج

برنامج NVIDIA® التالي مطلوب فقط لدعم GPU.

تعليمات خطوه بخطوه

لينكس

1. متطلبات النظام

  • Ubuntu 16.04 أو أعلى (64 بت)

TensorFlow يدعم Ubuntu رسميًا فقط. ومع ذلك ، قد تعمل الإرشادات التالية أيضًا مع توزيعات Linux الأخرى.

2. تثبيت Miniconda

Miniconda هي الطريقة الموصى بها لتثبيت TensorFlow مع دعم وحدة معالجة الرسومات. يقوم بإنشاء بيئة منفصلة لتجنب تغيير أي برنامج مثبت في نظامك. هذه أيضًا أسهل طريقة لتثبيت البرنامج المطلوب خاصة لإعداد GPU.

يمكنك استخدام الأمر التالي لتثبيت Miniconda. أثناء التثبيت ، قد تحتاج إلى الضغط على إدخال واكتب "نعم".

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

قد تحتاج إلى إعادة تشغيل الجهاز الطرفي أو source ~/.bashrc لتمكين أمر conda . استخدم conda -V لاختبار ما إذا كان قد تم تثبيته بنجاح.

3. إنشاء بيئة كوندا

قم بإنشاء بيئة conda جديدة تسمى tf باستخدام الأمر التالي.

conda create --name tf python=3.9

يمكنك إلغاء تنشيطه وتنشيطه بالأوامر التالية.

conda deactivate
conda activate tf

تأكد من تنشيطه لبقية التثبيت.

4. إعداد GPU

يمكنك تخطي هذا القسم إذا قمت بتشغيل TensorFlow على وحدة المعالجة المركزية فقط.

قم أولاً بتثبيت برنامج تشغيل NVIDIA GPU إذا لم تقم بذلك. يمكنك استخدام الأمر التالي للتحقق من تثبيته.

nvidia-smi

ثم قم بتثبيت CUDA و cuDNN مع conda.

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

تكوين مسارات النظام. يمكنك القيام بذلك باستخدام الأمر التالي في كل مرة تبدأ فيها محطة طرفية جديدة بعد تنشيط بيئة conda الخاصة بك.

export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:$CONDA_PREFIX/lib/

لراحتك ، يوصى بأتمتة الأمر باستخدام الأوامر التالية. سيتم تكوين مسارات النظام تلقائيًا عند تنشيط بيئة conda هذه.

mkdir -p $CONDA_PREFIX/etc/conda/activate.d
echo 'export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:$CONDA_PREFIX/lib/' > $CONDA_PREFIX/etc/conda/activate.d/env_vars.sh

5. قم بتثبيت TensorFlow

يتطلب TensorFlow إصدارًا حديثًا من النقطة ، لذا قم بترقية تثبيت النقطة لديك للتأكد من أنك تقوم بتشغيل أحدث إصدار.

pip install --upgrade pip

ثم قم بتثبيت TensorFlow مع نقطة.

pip install tensorflow

6. تحقق من التثبيت

تحقق من إعداد وحدة المعالجة المركزية:

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

إذا تم إرجاع موتر ، فقد قمت بتثبيت TensorFlow بنجاح.

تحقق من إعداد GPU:

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

إذا تم إرجاع قائمة بأجهزة GPU ، فهذا يعني أنك قمت بتثبيت TensorFlow بنجاح.

ماك

1. متطلبات النظام

  • macOS 10.12.6 (Sierra) أو أعلى (64 بت)

لا يوجد حاليًا دعم GPU رسمي لتشغيل TensorFlow على MacOS. فيما يلي التعليمات الخاصة بالتشغيل على وحدة المعالجة المركزية.

2. تحقق من إصدار بايثون

تحقق مما إذا كانت بيئة Python قد تم تكوينها بالفعل:

python3 --version
python3 -m pip --version

2. تثبيت Miniconda

Miniconda هي الطريقة الموصى بها لتثبيت TensorFlow مع دعم وحدة معالجة الرسومات. يقوم بإنشاء بيئة منفصلة لتجنب تغيير أي برنامج مثبت في نظامك. هذه أيضًا أسهل طريقة لتثبيت البرنامج المطلوب خاصة لإعداد GPU.

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

قد تحتاج إلى إعادة تشغيل الجهاز الطرفي أو source ~/.bashrc لتمكين أمر conda . استخدم conda -V لاختبار ما إذا كان قد تم تثبيته بنجاح.

4. إنشاء بيئة كوندا

قم بإنشاء بيئة conda جديدة تسمى tf باستخدام الأمر التالي.

conda create --name tf python=3.9

يمكنك إلغاء تنشيطه وتنشيطه بالأوامر التالية.

conda deactivate
conda activate tf

تأكد من تنشيطه لبقية التثبيت.

5. قم بتثبيت TensorFlow

يتطلب TensorFlow إصدارًا حديثًا من النقطة ، لذا قم بترقية تثبيت النقطة لديك للتأكد من أنك تقوم بتشغيل أحدث إصدار.

pip install --upgrade pip

ثم قم بتثبيت TensorFlow مع نقطة.

pip install tensorflow

6. تحقق من التثبيت

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

إذا تم إرجاع موتر ، فقد قمت بتثبيت TensorFlow بنجاح.

نظام التشغيل Windows الأصلي

1. متطلبات النظام

  • Windows 7 أو أعلى (64 بت)

2. قم بتثبيت Microsoft Visual C ++ Redistributable

قم بتثبيت Microsoft Visual C ++ Redistributable لـ Visual Studio 2015 و 2017 و 2019 . بدءًا من إصدار TensorFlow 2.1.0 ، يكون ملف msvcp140_1.dll مطلوبًا من هذه الحزمة (والذي قد لا يتوفر من الحزم القديمة القابلة لإعادة التوزيع). تأتي القابلة لإعادة التوزيع مع Visual Studio 2019 ولكن يمكن تثبيتها بشكل منفصل:

  1. انتقل إلى تنزيلات Microsoft Visual C ++ .
  2. قم بالتمرير لأسفل الصفحة إلى قسم Visual Studio 2015 و 2017 و 2019 .
  3. قم بتنزيل وتثبيت Microsoft Visual C ++ Redistributable لـ Visual Studio 2015 و 2017 و 2019 للنظام الأساسي الخاص بك.

تأكد من تمكين المسارات الطويلة على Windows.

3. تثبيت Miniconda

Miniconda هي الطريقة الموصى بها لتثبيت TensorFlow مع دعم وحدة معالجة الرسومات. يقوم بإنشاء بيئة منفصلة لتجنب تغيير أي برنامج مثبت في نظامك. هذه أيضًا أسهل طريقة لتثبيت البرنامج المطلوب خاصة لإعداد GPU.

قم بتنزيل Miniconda Windows Installer . انقر نقرًا مزدوجًا فوق الملف الذي تم تنزيله واتبع التعليمات التي تظهر على الشاشة.

4. إنشاء بيئة كوندا

قم بإنشاء بيئة conda جديدة تسمى tf باستخدام الأمر التالي.

conda create --name tf python=3.9

يمكنك إلغاء تنشيطه وتنشيطه بالأوامر التالية.

conda deactivate
conda activate tf

تأكد من تنشيطه لبقية التثبيت.

5. إعداد GPU

يمكنك تخطي هذا القسم إذا قمت بتشغيل TensorFlow على وحدة المعالجة المركزية فقط.

قم أولاً بتثبيت برنامج تشغيل NVIDIA GPU إذا لم تقم بذلك.

ثم قم بتثبيت CUDA ، cuDNN مع conda.

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

6. قم بتثبيت TensorFlow

يتطلب TensorFlow إصدارًا حديثًا من النقطة ، لذا قم بترقية تثبيت النقطة لديك للتأكد من أنك تقوم بتشغيل أحدث إصدار.

pip install --upgrade pip

ثم قم بتثبيت TensorFlow مع نقطة.

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

7. تحقق من التثبيت

تحقق من إعداد وحدة المعالجة المركزية:

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

إذا تم إرجاع موتر ، فقد قمت بتثبيت TensorFlow بنجاح.

تحقق من إعداد GPU:

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

إذا تم إرجاع قائمة بأجهزة GPU ، فهذا يعني أنك قمت بتثبيت TensorFlow بنجاح.

نظام التشغيل Windows WSL2

1. متطلبات النظام

  • Windows 10 19044 أو أعلى (64 بت). يتوافق هذا مع إصدار Windows 10 21H2 ، تحديث نوفمبر 2021.

راجع المستندات التالية من أجل:

2. تثبيت Miniconda

Miniconda هي الطريقة الموصى بها لتثبيت TensorFlow مع دعم وحدة معالجة الرسومات. يقوم بإنشاء بيئة منفصلة لتجنب تغيير أي برنامج مثبت في نظامك. هذه أيضًا أسهل طريقة لتثبيت البرنامج المطلوب خاصة لإعداد GPU.

يمكنك استخدام الأمر التالي لتثبيت Miniconda. أثناء التثبيت ، قد تحتاج إلى الضغط على إدخال واكتب "نعم".

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

قد تحتاج إلى إعادة تشغيل الجهاز الطرفي أو source ~/.bashrc لتمكين أمر conda . استخدم conda -V لاختبار ما إذا كان قد تم تثبيته بنجاح.

3. إنشاء بيئة كوندا

قم بإنشاء بيئة conda جديدة تسمى tf باستخدام الأمر التالي.

conda create --name tf python=3.9

يمكنك إلغاء تنشيطه وتنشيطه بالأوامر التالية.

conda deactivate
conda activate tf

تأكد من تنشيطه لبقية التثبيت.

4. إعداد GPU

يمكنك تخطي هذا القسم إذا قمت بتشغيل TensorFlow على وحدة المعالجة المركزية فقط.

قم أولاً بتثبيت برنامج تشغيل NVIDIA GPU إذا لم تقم بذلك. يمكنك استخدام الأمر التالي للتحقق من تثبيته.

nvidia-smi

ثم قم بتثبيت CUDA و cuDNN مع conda.

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

تكوين مسارات النظام. يمكنك القيام بذلك باستخدام الأمر التالي في كل مرة تبدأ فيها محطة طرفية جديدة بعد تنشيط بيئة conda الخاصة بك.

export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:$CONDA_PREFIX/lib/

لراحتك ، يوصى بأتمتة الأمر باستخدام الأوامر التالية. سيتم تكوين مسارات النظام تلقائيًا عند تنشيط بيئة conda هذه.

mkdir -p $CONDA_PREFIX/etc/conda/activate.d
echo 'export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:$CONDA_PREFIX/lib/' > $CONDA_PREFIX/etc/conda/activate.d/env_vars.sh

5. قم بتثبيت TensorFlow

يتطلب TensorFlow إصدارًا حديثًا من النقطة ، لذا قم بترقية تثبيت النقطة لديك للتأكد من أنك تقوم بتشغيل أحدث إصدار.

pip install --upgrade pip

ثم قم بتثبيت TensorFlow مع نقطة.

pip install tensorflow

6. تحقق من التثبيت

تحقق من إعداد وحدة المعالجة المركزية:

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

إذا تم إرجاع موتر ، فقد قمت بتثبيت TensorFlow بنجاح.

تحقق من إعداد GPU:

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

إذا تم إرجاع قائمة بأجهزة GPU ، فهذا يعني أنك قمت بتثبيت TensorFlow بنجاح.

موقع العبوة

تتطلب بعض آليات التثبيت عنوان URL الخاص بحزمة TensorFlow Python. تعتمد القيمة التي تحددها على إصدار Python الخاص بك.

إصدار URL
لينكس
دعم Python 3.7 GPU https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-2.11.0-cp37-cp37m-manylinux_2_17_x86_64.manylinux2014_x86_64.whl
وحدة المعالجة المركزية Python 3.7 فقط https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow_cpu-2.11.0-cp37-cp37m-manylinux_2_17_x86_64.manylinux2014_x86_64.whl
دعم Python 3.8 GPU https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-2.11.0-cp38-cp38-manylinux_2_17_x86_64.manylinux2014_x86_64.whl
وحدة المعالجة المركزية Python 3.8 فقط https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow_cpu-2.11.0-cp38-cp38-manylinux_2_17_x86_64.manylinux2014_x86_64.whl
دعم Python 3.9 GPU https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-2.11.0-cp39-cp39-manylinux_2_17_x86_64.manylinux2014_x86_64.whl
Python 3.9 CPU فقط https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow_cpu-2.11.0-cp39-cp39-manylinux_2_17_x86_64.manylinux2014_x86_64.whl
يدعم Python 3.10 GPU https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-2.11.0-cp310-cp310-manylinux_2_17_x86_64.manylinux2014_x86_64.whl
وحدة المعالجة المركزية Python 3.10 فقط https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow_cpu-2.11.0-cp310-cp310-manylinux_2_17_x86_64.manylinux2014_x86_64.whl
macOS (وحدة المعالجة المركزية فقط)
بايثون 3.7.1 https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-2.11.0-cp37-cp37m-macosx_10_14_x86_64.whl
Python 3.8.1 https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-2.11.0-cp38-cp38-macosx_10_14_x86_64.whl
بايثون 3.9.1 https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-2.11.0-cp39-cp39-macosx_10_14_x86_64.whl
بايثون 3.10.1 https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-2.11.0-cp310-cp310-macosx_10_14_x86_64.whl
شبابيك
دعم Python 3.7 GPU https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-2.11.0-cp37-cp37m-win_amd64.whl
وحدة المعالجة المركزية Python 3.7 فقط https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow_cpu-2.11.0-cp37-cp37m-win_amd64.whl
دعم Python 3.8 GPU https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-2.11.0-cp38-cp38-win_amd64.whl
وحدة المعالجة المركزية Python 3.8 فقط https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow_cpu-2.11.0-cp38-cp38-win_amd64.whl
دعم Python 3.9 GPU https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-2.11.0-cp39-cp39-win_amd64.whl
Python 3.9 CPU فقط https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow_cpu-2.11.0-cp39-cp39-win_amd64.whl
يدعم Python 3.10 GPU https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-2.11.0-cp310-cp310-win_amd64.whl
وحدة المعالجة المركزية Python 3.10 فقط https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow_cpu-2.11.0-cp310-cp310-win_amd64.whl