Instal TensorFlow dengan pip

Panduan ini untuk TensorFlow versi stabil terbaru. Untuk build pratinjau (nightly) , silakan gunakan paket pip bernama tf-nightly . Lihat tabel ini untuk persyaratan versi TensorFlow yang lebih lama. Untuk pengguna TensorFlow 1.x, lihat panduan migrasi untuk meningkatkan ke TensorFlow 2.

Berikut adalah tabel pencarian untuk perintah install. Gulir ke bawah untuk petunjuk langkah demi langkah.

Linux

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'))"

MacOS

# Currently, we do not have 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])))"

jendela

conda install -c conda-forge cudatoolkit=11.2 cudnn=8.1.0
python3 -m pip install tensorflow
# 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])))"

Malam

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

Persyaratan perangkat keras

Perangkat berkemampuan GPU berikut ini didukung:

  • Kartu GPU NVIDIA® dengan arsitektur CUDA® 3.5, 5.0, 6.0, 7.0, 7.5, 8.0 dan lebih tinggi. Lihat daftar kartu GPU berkemampuan CUDA® .
  • Untuk GPU dengan arsitektur CUDA® yang tidak didukung, atau untuk menghindari kompilasi JIT dari PTX, atau untuk menggunakan versi perpustakaan NVIDIA® yang berbeda, lihat panduan Linux build from source .
  • Paket tidak berisi kode PTX kecuali untuk arsitektur CUDA® terbaru yang didukung; oleh karena itu, TensorFlow gagal memuat pada GPU lama saat CUDA_FORCE_PTX_JIT=1 disetel. (Lihat Kompatibilitas Aplikasi untuk detailnya.)

Persyaratan sistem

  • Ubuntu 16.04 atau lebih tinggi (64-bit)
  • macOS 10.12.6 (Sierra) atau lebih tinggi (64-bit) (tidak ada dukungan GPU)
  • Windows 7 atau lebih tinggi (64-bit)

Persyaratan perangkat lunak

Perangkat lunak NVIDIA® berikut hanya diperlukan untuk dukungan GPU.

Petunjuk langkah demi langkah

Linux

Kami hanya secara resmi mendukung Ubuntu. Namun, petunjuk berikut juga dapat bekerja untuk distro Linux lainnya.

Kami merekomendasikan penggunaan Miniconda untuk membuat lingkungan terpisah untuk menghindari perubahan perangkat lunak yang diinstal di sistem Anda. Ini juga merupakan cara termudah untuk menginstal perangkat lunak yang diperlukan, terutama untuk pengaturan GPU.

1. Instal Miniconda

Anda dapat menggunakan perintah berikut untuk menginstal Miniconda. Selama instalasi, Anda mungkin perlu menekan enter dan mengetik "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

Anda mungkin perlu me-restart terminal atau source ~/.bashrc Anda untuk mengaktifkan perintah conda . Gunakan conda -V untuk menguji apakah itu berhasil diinstal.

2. 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.

3. Pengaturan GPU

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

Pertama, kita perlu menginstal driver GPU NVIDIA jika belum. Anda dapat menggunakan perintah berikut untuk memverifikasi bahwa itu diinstal.

nvidia-smi

Kemudian, kami menginstal CUDA, cuDNN dengan conda.

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

Konfigurasi jalur sistem. Anda dapat melakukannya dengan perintah berikut setiap kali Anda memulai terminal baru setelah mengaktifkan lingkungan conda Anda.

export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:$CONDA_PREFIX/lib/

Namun, untuk kenyamanan Anda, kami sarankan untuk mengotomatiskannya dengan perintah berikut. Jalur sistem akan dikonfigurasi secara otomatis saat Anda mengaktifkan lingkungan conda ini.

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

4. Instal TensorFlow

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

pip install --upgrade pip

Kemudian, instal TensorFlow dengan pip.

pip install tensorflow

5. Verifikasi pemasangan

Verifikasi pengaturan CPU:

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

Jika tensor ditampilkan, 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.

MacOS

Saat ini, kami tidak memiliki dukungan GPU resmi untuk menjalankan TensorFlow di MacOS. Berikut ini adalah instruksi untuk berjalan pada CPU.

1. Periksa versi Python

Periksa apakah lingkungan Python Anda sudah dikonfigurasi:

python3 --version
python3 -m pip --version

Jika Anda memiliki versi Python dan pip yang benar, Anda dapat melewati dua langkah berikutnya dan pergi ke "4. Instal TensorFlow". Namun, kami tetap menyarankan untuk tidak melewatkan langkah-langkahnya. Gunakan Miniconda untuk menginstal Python dan pip. Ini menciptakan lingkungan terpisah untuk menghindari perubahan perangkat lunak yang diinstal di sistem Anda.

2. Instal Miniconda

Anda dapat menggunakan perintah berikut untuk menginstal Miniconda. Selama instalasi, Anda mungkin perlu menekan enter dan mengetik "yes".

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

Anda mungkin perlu me-restart terminal atau source ~/.bashrc Anda untuk mengaktifkan perintah conda . Gunakan conda -V untuk menguji apakah itu berhasil diinstal.

3. 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.

4. Instal TensorFlow

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

pip install --upgrade pip

Kemudian, instal TensorFlow dengan pip.

pip install tensorflow

5. Verifikasi pemasangan

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

Jika tensor ditampilkan, Anda telah berhasil menginstal TensorFlow.

jendela

1. Instal Microsoft Visual C++ Redistributable

Instal Microsoft Visual C++ Redistributable untuk Visual Studio 2015, 2017, dan 2019 . Dimulai dengan versi TensorFlow 2.1.0, file msvcp140_1.dll diperlukan dari paket ini (yang mungkin tidak disediakan dari paket lama yang dapat didistribusikan ulang). Redistributable hadir dengan 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.

2. Instal Miniconda

Kami merekomendasikan penggunaan Miniconda untuk membuat lingkungan terpisah untuk menghindari perubahan perangkat lunak yang diinstal di sistem Anda. Ini juga merupakan cara termudah untuk menginstal perangkat lunak yang diperlukan, terutama untuk pengaturan GPU.

Unduh Penginstal Windows Miniconda . Klik dua kali file yang diunduh dan ikuti petunjuk di layar.

3. 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.

4. Pengaturan GPU

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

Pertama, kita perlu menginstal driver GPU NVIDIA jika belum.

Kemudian, kami menginstal CUDA, cuDNN dengan conda.

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

5. Instal TensorFlow

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

pip install --upgrade pip

Kemudian, instal TensorFlow dengan pip.

pip install tensorflow

6. Verifikasi pemasangan

Verifikasi pengaturan CPU:

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

Jika tensor ditampilkan, 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.

Lokasi paket

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

Versi: kapan URL
Linux
Dukungan GPU Python 3.7 https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-2.9.0-cp37-cp37m-manylinux_2_17_x86_64.manylinux2014_x86_64.whl
Python 3.7 khusus CPU https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow_cpu-2.9.0-cp37-cp37m-manylinux_2_17_x86_64.manylinux2014_x86_64.whl
Dukungan GPU Python 3.8 https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-2.9.0-cp38-cp38-manylinux_2_17_x86_64.manylinux2014_x86_64.whl
Python 3.8 khusus CPU https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow_cpu-2.9.0-cp38-cp38-manylinux_2_17_x86_64.manylinux2014_x86_64.whl
Dukungan GPU Python 3.9 https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-2.9.0-cp39-cp39-manylinux_2_17_x86_64.manylinux2014_x86_64.whl
Python 3.9 khusus CPU https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow_cpu-2.9.0-cp39-cp39-manylinux_2_17_x86_64.manylinux2014_x86_64.whl
Dukungan GPU Python 3.10 https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-2.9.0-cp310-cp310-manylinux_2_17_x86_64.manylinux2014_x86_64.whl
Python 3.10 khusus CPU https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow_cpu-2.9.0-cp310-cp310-manylinux_2_17_x86_64.manylinux2014_x86_64.whl
macOS (khusus CPU)
Python 3.7 https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-2.9.0-cp37-cp37m-macosx_10_14_x86_64.whl
Python 3.8 https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-2.9.0-cp38-cp38-macosx_10_14_x86_64.whl
Python 3.9 https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-2.9.0-cp39-cp39-macosx_10_14_x86_64.whl
Python 3.10 https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-2.9.0-cp310-cp310-macosx_10_14_x86_64.whl
jendela
Dukungan GPU Python 3.7 https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-2.9.0-cp37-cp37m-win_amd64.whl
Python 3.7 khusus CPU https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow_cpu-2.9.0-cp37-cp37m-win_amd64.whl
Dukungan GPU Python 3.8 https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-2.9.0-cp38-cp38-win_amd64.whl
Python 3.8 khusus CPU https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow_cpu-2.9.0-cp38-cp38-win_amd64.whl
Dukungan GPU Python 3.9 https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-2.9.0-cp39-cp39-win_amd64.whl
Python 3.9 khusus CPU https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow_cpu-2.9.0-cp39-cp39-win_amd64.whl
Dukungan GPU Python 3.10 https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-2.9.0-cp310-cp310-win_amd64.whl
Python 3.10 khusus CPU https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow_cpu-2.9.0-cp310-cp310-win_amd64.whl