ติดตั้ง TensorFlow ด้วย pip

ลีนุกซ์

conda install -c conda-forge cudatoolkit=11.8.0
python3 -m pip install nvidia-cudnn-cu11==8.6.0.163 tensorflow==2.12.*
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:$CONDA_PREFIX/lib/:$CUDNN_PATH/lib' >> $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'))"

แมคโอเอส

# 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 เนทีฟ

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'))"

วินโดวส์ WSL2

conda install -c conda-forge cudatoolkit=11.8.0
python3 -m pip install nvidia-cudnn-cu11==8.6.0.163 tensorflow==2.12.*
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:$CONDA_PREFIX/lib/:$CUDNN_PATH/lib' >> $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'))"

ซีพียู

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

ทุกคืน

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

ลีนุกซ์

1. ข้อกำหนดของระบบ

• Ubuntu 16.04 หรือสูงกว่า (64 บิต)

TensorFlow รองรับ Ubuntu อย่างเป็นทางการเท่านั้น อย่างไรก็ตาม คำแนะนำต่อไปนี้อาจใช้ได้กับ Linux distros อื่นๆ

2. ติดตั้ง Miniconda

Miniconda เป็นแนวทางที่แนะนำสำหรับการติดตั้ง TensorFlow พร้อมการรองรับ GPU มันสร้างสภาพแวดล้อมแยกต่างหากเพื่อหลีกเลี่ยงการเปลี่ยนแปลงซอฟต์แวร์ที่ติดตั้งในระบบของคุณ นี่เป็นวิธีที่ง่ายที่สุดในการติดตั้งซอฟต์แวร์ที่จำเป็นโดยเฉพาะสำหรับการตั้งค่า GPU

คุณสามารถใช้คำสั่งต่อไปนี้เพื่อติดตั้ง Miniconda ระหว่างการติดตั้ง คุณอาจต้องกด Enter แล้วพิมพ์ "ใช่"

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

คุณอาจต้องรีสตาร์ทเทอร์มินัลหรือ source ~/.bashrc เพื่อเปิดใช้งานคำสั่ง conda ใช้ conda -V เพื่อทดสอบว่าติดตั้งสำเร็จหรือไม่

3. สร้างสภาพแวดล้อม conda

สร้างสภาพแวดล้อม conda ใหม่ชื่อ tf ด้วยคำสั่งต่อไปนี้

conda create --name tf python=3.9

คุณสามารถปิดและเปิดใช้งานได้ด้วยคำสั่งต่อไปนี้

conda deactivate
conda activate tf

ตรวจสอบให้แน่ใจว่าได้เปิดใช้งานสำหรับการติดตั้งที่เหลือ

4. การตั้งค่า GPU

คุณสามารถข้ามส่วนนี้ได้หากคุณเรียกใช้ TensorFlow บน CPU เท่านั้น

ก่อนอื่นให้ติดตั้ง ไดรเวอร์ NVIDIA GPU หากคุณยังไม่มี คุณสามารถใช้คำสั่งต่อไปนี้เพื่อตรวจสอบว่ามีการติดตั้งแล้ว

nvidia-smi

จากนั้นติดตั้ง CUDA และ cuDNN ด้วย conda และ pip

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

กำหนดค่าเส้นทางของระบบ คุณสามารถทำได้ด้วยคำสั่งต่อไปนี้ทุกครั้งที่คุณเริ่มเทอร์มินัลใหม่หลังจากเปิดใช้งานสภาพแวดล้อม conda

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

เพื่อความสะดวกของคุณ ขอแนะนำให้คุณดำเนินการโดยอัตโนมัติด้วยคำสั่งต่อไปนี้ เส้นทางของระบบจะได้รับการกำหนดค่าโดยอัตโนมัติเมื่อคุณเปิดใช้งานสภาพแวดล้อม conda นี้

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:$CONDA_PREFIX/lib/:$CUDNN_PATH/lib' >> $CONDA_PREFIX/etc/conda/activate.d/env_vars.sh

5. ติดตั้ง TensorFlow

TensorFlow ต้องการ pip เวอร์ชันล่าสุด ดังนั้นอัปเกรดการติดตั้ง pip เพื่อให้แน่ใจว่าคุณกำลังเรียกใช้เวอร์ชันล่าสุด

pip install --upgrade pip

จากนั้นติดตั้ง TensorFlow ด้วย pip

pip install tensorflow==2.12.*

6. ตรวจสอบการติดตั้ง

ตรวจสอบการตั้งค่า CPU:

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

หากมีการส่งคืนเทนเซอร์ แสดงว่าคุณติดตั้ง TensorFlow สำเร็จแล้ว

ตรวจสอบการตั้งค่า GPU:

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

หากมีการส่งคืนรายการอุปกรณ์ GPU แสดงว่าคุณติดตั้ง TensorFlow สำเร็จแล้ว

อูบุนตู 22.04

ใน Ubuntu 22.04 คุณอาจพบข้อผิดพลาดต่อไปนี้:

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]

ในการแก้ไขข้อผิดพลาดนี้ คุณจะต้องเรียกใช้คำสั่งต่อไปนี้

# 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/

แมคโอเอส

1. ข้อกำหนดของระบบ

• macOS 10.12.6 (Sierra) หรือสูงกว่า (64 บิต)

ขณะนี้ยังไม่มีการรองรับ GPU อย่างเป็นทางการสำหรับการเรียกใช้ TensorFlow บน MacOS ต่อไปนี้เป็นคำแนะนำสำหรับการรันบน CPU

2. ตรวจสอบเวอร์ชันของ Python

ตรวจสอบว่าสภาพแวดล้อม Python ของคุณได้รับการกำหนดค่าแล้วหรือไม่:

python3 --version
python3 -m pip --version

2. ติดตั้ง Miniconda

Miniconda เป็นแนวทางที่แนะนำสำหรับการติดตั้ง TensorFlow พร้อมการรองรับ GPU มันสร้างสภาพแวดล้อมแยกต่างหากเพื่อหลีกเลี่ยงการเปลี่ยนแปลงซอฟต์แวร์ที่ติดตั้งในระบบของคุณ นี่เป็นวิธีที่ง่ายที่สุดในการติดตั้งซอฟต์แวร์ที่จำเป็นโดยเฉพาะสำหรับการตั้งค่า 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

คุณอาจต้องรีสตาร์ทเทอร์มินัลหรือ source ~/.bashrc เพื่อเปิดใช้งานคำสั่ง conda ใช้ conda -V เพื่อทดสอบว่าติดตั้งสำเร็จหรือไม่

4. สร้างสภาพแวดล้อม conda

สร้างสภาพแวดล้อม conda ใหม่ชื่อ tf ด้วยคำสั่งต่อไปนี้

conda create --name tf python=3.9

คุณสามารถปิดและเปิดใช้งานได้ด้วยคำสั่งต่อไปนี้

conda deactivate
conda activate tf

ตรวจสอบให้แน่ใจว่าได้เปิดใช้งานสำหรับการติดตั้งที่เหลือ

5. ติดตั้ง TensorFlow

TensorFlow ต้องการ pip เวอร์ชันล่าสุด ดังนั้นอัปเกรดการติดตั้ง pip เพื่อให้แน่ใจว่าคุณกำลังเรียกใช้เวอร์ชันล่าสุด

pip install --upgrade pip

จากนั้นติดตั้ง TensorFlow ด้วย pip

pip install tensorflow

6. ตรวจสอบการติดตั้ง

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

หากมีการส่งคืนเทนเซอร์ แสดงว่าคุณติดตั้ง TensorFlow สำเร็จแล้ว

Windows เนทีฟ

1. ข้อกำหนดของระบบ

• Windows 7 หรือสูงกว่า (64 บิต)

2. ติดตั้ง Microsoft Visual C++ แบบแจกจ่ายต่อได้

ติดตั้ง Microsoft Visual C++ Redistributable สำหรับ Visual Studio 2015, 2017 และ 2019 เริ่มต้นด้วยเวอร์ชัน TensorFlow 2.1.0 จำเป็นต้องมีไฟล์ msvcp140_1.dll จากแพ็คเกจนี้ (ซึ่งอาจไม่ได้มาจากแพ็คเกจแบบแจกจ่ายต่อได้รุ่นเก่ากว่า) redistributable มาพร้อมกับ Visual Studio 2019 แต่สามารถติดตั้งแยกกันได้:

1. ไปที่ การดาวน์โหลด Microsoft Visual C++
2. เลื่อนหน้าลงไปที่ส่วน Visual Studio 2015, 2017 และ 2019
3. ดาวน์โหลดและติดตั้ง Microsoft Visual C++ Redistributable สำหรับ Visual Studio 2015, 2017 และ 2019 สำหรับแพลตฟอร์มของคุณ

ตรวจสอบให้แน่ใจว่า เปิดใช้งานเส้นทางยาว บน Windows

3. ติดตั้ง Miniconda

Miniconda เป็นแนวทางที่แนะนำสำหรับการติดตั้ง TensorFlow พร้อมการรองรับ GPU มันสร้างสภาพแวดล้อมแยกต่างหากเพื่อหลีกเลี่ยงการเปลี่ยนแปลงซอฟต์แวร์ที่ติดตั้งในระบบของคุณ นี่เป็นวิธีที่ง่ายที่สุดในการติดตั้งซอฟต์แวร์ที่จำเป็นโดยเฉพาะสำหรับการตั้งค่า GPU

ดาวน์โหลดโปรแกรม ติดตั้ง Windows Miniconda ดับเบิลคลิกไฟล์ที่ดาวน์โหลดและทำตามคำแนะนำบนหน้าจอ

4. สร้างสภาพแวดล้อม conda

สร้างสภาพแวดล้อม conda ใหม่ชื่อ tf ด้วยคำสั่งต่อไปนี้

conda create --name tf python=3.9

คุณสามารถปิดและเปิดใช้งานได้ด้วยคำสั่งต่อไปนี้

conda deactivate
conda activate tf

ตรวจสอบให้แน่ใจว่าได้เปิดใช้งานสำหรับการติดตั้งที่เหลือ

5. การตั้งค่า GPU

คุณสามารถข้ามส่วนนี้ได้หากคุณเรียกใช้ TensorFlow บน CPU เท่านั้น

ก่อนอื่นให้ติดตั้ง ไดรเวอร์ NVIDIA GPU หากคุณยังไม่มี

จากนั้นติดตั้ง CUDA, cuDNN พร้อม conda

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

6. ติดตั้ง TensorFlow

TensorFlow ต้องการ pip เวอร์ชันล่าสุด ดังนั้นอัปเกรดการติดตั้ง pip เพื่อให้แน่ใจว่าคุณกำลังเรียกใช้เวอร์ชันล่าสุด

pip install --upgrade pip

จากนั้นติดตั้ง TensorFlow ด้วย pip

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

7. ตรวจสอบการติดตั้ง

ตรวจสอบการตั้งค่า CPU:

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

หากมีการส่งคืนเทนเซอร์ แสดงว่าคุณติดตั้ง TensorFlow สำเร็จแล้ว

ตรวจสอบการตั้งค่า GPU:

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

หากมีการส่งคืนรายการอุปกรณ์ GPU แสดงว่าคุณติดตั้ง TensorFlow สำเร็จแล้ว

วินโดวส์ WSL2

1. ข้อกำหนดของระบบ

• Windows 10 19044 หรือสูงกว่า (64 บิต) สิ่งนี้สอดคล้องกับ Windows 10 เวอร์ชัน 21H2 ซึ่งเป็นการอัปเดตเดือนพฤศจิกายน 2021

ดูเอกสารต่อไปนี้เพื่อ:

• ดาวน์โหลดอัปเดตล่าสุดของ Windows 10
• ติดตั้ง WSL2
• ตั้งค่าการรองรับ NVIDIA® GPU ใน WSL2

2. ติดตั้ง Miniconda

Miniconda เป็นแนวทางที่แนะนำสำหรับการติดตั้ง TensorFlow พร้อมการรองรับ GPU มันสร้างสภาพแวดล้อมแยกต่างหากเพื่อหลีกเลี่ยงการเปลี่ยนแปลงซอฟต์แวร์ที่ติดตั้งในระบบของคุณ นี่เป็นวิธีที่ง่ายที่สุดในการติดตั้งซอฟต์แวร์ที่จำเป็นโดยเฉพาะสำหรับการตั้งค่า GPU

คุณสามารถใช้คำสั่งต่อไปนี้เพื่อติดตั้ง Miniconda ระหว่างการติดตั้ง คุณอาจต้องกด Enter แล้วพิมพ์ "ใช่"

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

คุณอาจต้องรีสตาร์ทเทอร์มินัลหรือ source ~/.bashrc เพื่อเปิดใช้งานคำสั่ง conda ใช้ conda -V เพื่อทดสอบว่าติดตั้งสำเร็จหรือไม่

3. สร้างสภาพแวดล้อม conda

สร้างสภาพแวดล้อม conda ใหม่ชื่อ tf ด้วยคำสั่งต่อไปนี้

conda create --name tf python=3.9

คุณสามารถปิดและเปิดใช้งานได้ด้วยคำสั่งต่อไปนี้

conda deactivate
conda activate tf

ตรวจสอบให้แน่ใจว่าได้เปิดใช้งานสำหรับการติดตั้งที่เหลือ

4. การตั้งค่า GPU

คุณสามารถข้ามส่วนนี้ได้หากคุณเรียกใช้ TensorFlow บน CPU เท่านั้น

ก่อนอื่นให้ติดตั้ง ไดรเวอร์ NVIDIA GPU หากคุณยังไม่มี คุณสามารถใช้คำสั่งต่อไปนี้เพื่อตรวจสอบว่ามีการติดตั้งแล้ว

nvidia-smi

จากนั้นติดตั้ง CUDA และ cuDNN ด้วย conda และ pip

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

กำหนดค่าเส้นทางของระบบ คุณสามารถทำได้โดยใช้คำสั่งต่อไปนี้ทุกครั้งที่คุณเริ่มต้นเทอร์มินัลใหม่หลังจากเปิดใช้งานสภาพแวดล้อม conda

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

เพื่อความสะดวกของคุณ ขอแนะนำให้คุณดำเนินการโดยอัตโนมัติด้วยคำสั่งต่อไปนี้ เส้นทางของระบบจะได้รับการกำหนดค่าโดยอัตโนมัติเมื่อคุณเปิดใช้งานสภาพแวดล้อม conda นี้

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:$CONDA_PREFIX/lib/:$CUDNN_PATH/lib' >> $CONDA_PREFIX/etc/conda/activate.d/env_vars.sh

5. ติดตั้ง TensorFlow

TensorFlow ต้องการ pip เวอร์ชันล่าสุด ดังนั้นอัปเกรดการติดตั้ง pip เพื่อให้แน่ใจว่าคุณกำลังเรียกใช้เวอร์ชันล่าสุด

pip install --upgrade pip

จากนั้นติดตั้ง TensorFlow ด้วย pip

pip install tensorflow==2.12.*

6. ตรวจสอบการติดตั้ง

ตรวจสอบการตั้งค่า CPU:

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

หากมีการส่งคืนเทนเซอร์ แสดงว่าคุณติดตั้ง TensorFlow สำเร็จแล้ว

ตรวจสอบการตั้งค่า GPU:

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

หากมีการส่งคืนรายการอุปกรณ์ GPU แสดงว่าคุณติดตั้ง TensorFlow สำเร็จแล้ว