TensorFlow را با پیپ نصب کنید

این راهنما برای آخرین نسخه پایدار TensorFlow است. برای نسخه پیش‌نمایش (nightly) ، از بسته pip با نام tf-nightly استفاده کنید. برای الزامات نسخه‌های قدیمی‌تر TensorFlow به این جداول مراجعه کنید. برای نسخه فقط CPU، از بسته pip با نام tensorflow-cpu استفاده کنید.

در اینجا نسخه‌های سریع دستورات نصب آمده است. برای دستورالعمل‌های گام به گام به پایین اسکرول کنید.

لینوکس

python3 -m pip install 'tensorflow[and-cuda]'
# Verify the installation:
python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"

مک او اس

# 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])))"

ویندوز بومی

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'))"

ویندوز WSL2

python3 -m pip install tensorflow[and-cuda]
# Verify the installation:
python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"

پردازنده

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

شبانه

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

الزامات سخت‌افزاری

دستگاه‌های دارای پردازنده گرافیکی زیر پشتیبانی می‌شوند:

  • کارت گرافیک NVIDIA® با معماری‌های CUDA® نسخه‌های ۳.۵، ۵.۰، ۶.۰، ۷.۰، ۷.۵، ۸.۰ و بالاتر. فهرست کارت‌های گرافیک دارای قابلیت CUDA® را مشاهده کنید.
  • برای پردازنده‌های گرافیکی (GPU) با معماری‌های CUDA® پشتیبانی نشده، یا برای جلوگیری از کامپایل JIT از PTX، یا برای استفاده از نسخه‌های مختلف کتابخانه‌های NVIDIA®، به راهنمای ساخت از منبع لینوکس مراجعه کنید.
  • بسته‌ها شامل کد PTX نیستند، به جز آخرین معماری پشتیبانی‌شده‌ی CUDA®؛ بنابراین، TensorFlow در GPUهای قدیمی‌تر، زمانی که CUDA_FORCE_PTX_JIT=1 تنظیم شده باشد، بارگیری نمی‌شود. (برای جزئیات بیشتر به بخش سازگاری برنامه مراجعه کنید.)

الزامات سیستم

  • اوبونتو ۱۶.۰۴ یا بالاتر (۶۴ بیتی)
  • macOS 12.0 (مونتری) یا بالاتر (۶۴ بیتی) (پشتیبانی از GPU ندارد)
  • ویندوز نیتیو - ویندوز ۷ یا بالاتر (۶۴ بیتی) (بعد از TF 2.10 از GPU پشتیبانی نمی‌شود)
  • ویندوز WSL2 - ویندوز 10 نسخه 19044 یا بالاتر (64 بیتی)

نیازمندی‌های نرم‌افزاری

نرم‌افزارهای NVIDIA® زیر فقط برای پشتیبانی از GPU مورد نیاز هستند.

دستورالعمل‌های گام به گام

لینوکس

۱. الزامات سیستم

  • اوبونتو ۱۶.۰۴ یا بالاتر (۶۴ بیتی)

تنسورفلو فقط رسماً از اوبونتو پشتیبانی می‌کند. با این حال، دستورالعمل‌های زیر ممکن است برای سایر توزیع‌های لینوکس نیز کار کنند.

۲. تنظیمات پردازنده گرافیکی

اگر فقط TensorFlow را روی CPU اجرا می‌کنید، می‌توانید از این بخش صرف نظر کنید.

اگر درایور پردازنده گرافیکی NVIDIA را نصب نکرده‌اید، آن را نصب کنید. می‌توانید از دستور زیر برای تأیید نصب آن استفاده کنید.

nvidia-smi

۳. ایجاد یک محیط مجازی با venv

ماژول venv بخشی از کتابخانه استاندارد پایتون است و روش رسمی توصیه شده برای ایجاد محیط‌های مجازی است.

به دایرکتوری محیط‌های مجازی مورد نظر خود بروید و با دستور زیر یک محیط venv جدید با نام tf ایجاد کنید.

python3 -m venv tf 

با دستور زیر می‌توانید آن را فعال کنید.

source tf/bin/activate    

مطمئن شوید که محیط مجازی برای ادامه‌ی مراحل نصب فعال باشد.

۴. نصب تنسورفلو

TensorFlow به نسخه جدیدی از pip نیاز دارد، بنابراین نصب pip خود را ارتقا دهید تا مطمئن شوید که آخرین نسخه را اجرا می‌کنید.

pip install --upgrade pip

سپس، TensorFlow را با pip نصب کنید.

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

۶. نصب را تأیید کنید

تنظیمات CPU را بررسی کنید:

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

اگر یک تانسور برگردانده شود، TensorFlow را با موفقیت نصب کرده‌اید.

تنظیمات پردازنده گرافیکی (GPU) را بررسی کنید:

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

اگر لیستی از دستگاه‌های GPU برگردانده شد، TensorFlow را با موفقیت نصب کرده‌اید. در غیر این صورت به مرحله بعدی بروید .

۶. [فقط GPU] پیکربندی محیط مجازی

اگر تست GPU در بخش آخر ناموفق بود، محتمل‌ترین علت این است که اجزا شناسایی نمی‌شوند و/یا با نصب CUDA موجود در سیستم تداخل دارند. بنابراین برای رفع این مشکل باید چند لینک نمادین اضافه کنید.

  • ایجاد لینک‌های نمادین به کتابخانه‌های اشتراکی NVIDIA:
pushd $(dirname $(python -c 'print(__import__("tensorflow").__file__)'))
ln -svf ../nvidia/*/lib/*.so* .
popd
  • ایجاد یک پیوند نمادین به 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

تنظیمات پردازنده گرافیکی (GPU) را بررسی کنید:

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

مک او اس

۱. الزامات سیستم

  • macOS 10.12.6 (Sierra) یا بالاتر (64 بیتی)

در حال حاضر هیچ پشتیبانی رسمی از GPU برای اجرای TensorFlow در MacOS وجود ندارد. دستورالعمل‌های زیر برای اجرا روی CPU است.

۲. نسخه پایتون را بررسی کنید

بررسی کنید که آیا محیط پایتون شما از قبل پیکربندی شده است یا خیر:

python3 --version
python3 -m pip --version

۳. نصب تنسورفلو

TensorFlow به نسخه جدیدی از pip نیاز دارد، بنابراین نصب pip خود را ارتقا دهید تا مطمئن شوید که آخرین نسخه را اجرا می‌کنید.

pip install --upgrade pip

سپس، TensorFlow را با pip نصب کنید.

pip install tensorflow

۴. نصب را تأیید کنید

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

اگر یک تانسور برگردانده شود، TensorFlow را با موفقیت نصب کرده‌اید.

ویندوز بومی

۱. الزامات سیستم

  • ویندوز ۷ یا بالاتر (۶۴ بیتی)

۲. نصب مایکروسافت ویژوال سی پلاس پلاس توزیع مجدد

Microsoft Visual C++ Redistributable را برای Visual Studio 2015، 2017 و 2019 نصب کنید. با شروع از نسخه TensorFlow 2.1.0، فایل msvcp140_1.dll از این بسته مورد نیاز است (که ممکن است از بسته‌های توزیع مجدد قدیمی‌تر ارائه نشده باشد). این توزیع مجدد با Visual Studio 2019 ارائه می‌شود، اما می‌توان آن را جداگانه نصب کرد:

  1. به دانلودهای Microsoft Visual C++ بروید.
  2. به پایین صفحه بروید تا به بخش Visual Studio 2015، 2017 و 2019 برسید.
  3. Microsoft Visual C++ Redistributable را برای Visual Studio 2015، 2017 و 2019 متناسب با پلتفرم خود دانلود و نصب کنید.

مطمئن شوید که مسیرهای طولانی در ویندوز فعال هستند .

۳. نصب مینی‌کاندا

Miniconda رویکرد پیشنهادی برای نصب TensorFlow با پشتیبانی از GPU است. این روش یک محیط جداگانه ایجاد می‌کند تا از تغییر هرگونه نرم‌افزار نصب‌شده در سیستم شما جلوگیری شود. این روش همچنین ساده‌ترین راه برای نصب نرم‌افزار مورد نیاز، به‌ویژه برای راه‌اندازی GPU، است.

نصب‌کننده ویندوز Miniconda را دانلود کنید. روی فایل دانلود شده دوبار کلیک کنید و دستورالعمل‌های روی صفحه را دنبال کنید.

۴. یک محیط کاندا ایجاد کنید

با دستور زیر یک محیط conda جدید به نام tf ایجاد کنید.

conda create --name tf python=3.9

با دستورات زیر می‌توانید آن را غیرفعال و فعال کنید.

conda deactivate
conda activate tf

مطمئن شوید که برای بقیه مراحل نصب فعال شده است.

۵. تنظیمات پردازنده گرافیکی

اگر فقط TensorFlow را روی CPU اجرا می‌کنید، می‌توانید از این بخش صرف نظر کنید.

اگر درایور کارت گرافیک انویدیا را نصب نکرده‌اید، ابتدا آن را نصب کنید.

سپس CUDA و cuDNN را با conda نصب کنید.

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

۶. نصب تنسورفلو

TensorFlow به نسخه جدیدی از pip نیاز دارد، بنابراین نصب pip خود را ارتقا دهید تا مطمئن شوید که آخرین نسخه را اجرا می‌کنید.

pip install --upgrade pip

سپس، TensorFlow را با pip نصب کنید.

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

۷. نصب را تأیید کنید

تنظیمات CPU را بررسی کنید:

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

اگر یک تانسور برگردانده شود، TensorFlow را با موفقیت نصب کرده‌اید.

تنظیمات پردازنده گرافیکی (GPU) را بررسی کنید:

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

اگر لیستی از دستگاه‌های GPU برگردانده شود، TensorFlow با موفقیت نصب شده است.

ویندوز WSL2

۱. الزامات سیستم

  • ویندوز ۱۰ نسخه ۱۹۰۴۴ یا بالاتر (۶۴ بیتی). این مربوط به ویندوز ۱۰ نسخه ۲۱H2، به‌روزرسانی نوامبر ۲۰۲۱ است.

برای دریافت مدارک به موارد زیر مراجعه کنید:

۲. تنظیمات پردازنده گرافیکی

اگر فقط TensorFlow را روی CPU اجرا می‌کنید، می‌توانید از این بخش صرف نظر کنید.

اگر درایور پردازنده گرافیکی NVIDIA را نصب نکرده‌اید، آن را نصب کنید. می‌توانید از دستور زیر برای تأیید نصب آن استفاده کنید.

nvidia-smi

۳. نصب تنسورفلو

TensorFlow به نسخه جدیدی از pip نیاز دارد، بنابراین نصب pip خود را ارتقا دهید تا مطمئن شوید که آخرین نسخه را اجرا می‌کنید.

pip install --upgrade pip

سپس، TensorFlow را با pip نصب کنید.

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

۴. نصب را تأیید کنید

تنظیمات CPU را بررسی کنید:

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

اگر یک تانسور برگردانده شود، TensorFlow را با موفقیت نصب کرده‌اید.

تنظیمات پردازنده گرافیکی (GPU) را بررسی کنید:

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

اگر لیستی از دستگاه‌های GPU برگردانده شود، TensorFlow با موفقیت نصب شده است.

محل بسته

برخی از مکانیزم‌های نصب به آدرس اینترنتی (URL) بسته پایتون TensorFlow نیاز دارند. مقداری که مشخص می‌کنید به نسخه پایتون شما بستگی دارد.

پشتیبانی از نسخه پایتون

نسخه آدرس اینترنتی
لینوکس x86
پشتیبانی از پردازنده گرافیکی پایتون ۳.۱۰ https://storage.googleapis.com/tensorflow/versions/%222.21.0%22/tensorflow-2.21.0-cp310-cp310-manylinux_2_27_x86_64.whl
پایتون ۳.۱۰ فقط برای پردازنده https://storage.googleapis.com/tensorflow/versions/%222.21.0%22/tensorflow_cpu-2.21.0-cp310-cp310-manylinux_2_27_x86_64.whl
پشتیبانی از پردازنده گرافیکی پایتون ۳.۱۱ https://storage.googleapis.com/tensorflow/versions/%222.21.0%22/tensorflow-2.21.0-cp311-cp311-manylinux_2_27_x86_64.whl
پایتون ۳.۱۱ فقط برای پردازنده مرکزی https://storage.googleapis.com/tensorflow/versions/%222.21.0%22/tensorflow_cpu-2.21.0-cp311-cp311-manylinux_2_27_x86_64.whl
پشتیبانی از پردازنده گرافیکی پایتون ۳.۱۲ https://storage.googleapis.com/tensorflow/versions/%222.21.0%22/tensorflow-2.21.0-cp312-cp312-manylinux_2_27_x86_64.whl
پایتون ۳.۱۲ فقط برای پردازنده https://storage.googleapis.com/tensorflow/versions/2.20.0/tensorflow_cpu-2.20.0-cp312-cp312-manylinux_2_17_x86_64.manylinux2014_x86_64.whl
پشتیبانی از پردازنده گرافیکی پایتون ۳.۱۳ https://storage.googleapis.com/tensorflow/versions/%222.21.0%22/tensorflow-2.21.0-cp313-cp313-manylinux_2_27_x86_64.whl
پایتون ۳.۱۳ فقط برای پردازنده https://storage.googleapis.com/tensorflow/versions/%222.21.0%22/tensorflow_cpu-2.21.0-cp313-cp313-manylinux_2_27_x86_64.whl
لینوکس Arm64 (فقط CPU)
پایتون ۳.۱۰ https://storage.googleapis.com/tensorflow/versions/%222.21.0%22/tensorflow-2.21.0-cp310-cp310-manylinux_2_27_aarch64.whl
پایتون ۳.۱۱ https://storage.googleapis.com/tensorflow/versions/%222.21.0%22/tensorflow-2.21.0-cp311-cp311-manylinux_2_27_aarch64.whl
پایتون ۳.۱۲ https://storage.googleapis.com/tensorflow/versions/%222.21.0%22/tensorflow-2.21.0-cp312-cp312-manylinux_2_27_aarch64.whl
پایتون ۳.۱۳ https://storage.googleapis.com/tensorflow/versions/%222.21.0%22/tensorflow-2.21.0-cp313-cp313-manylinux_2_27_aarch64.whl
macOS x86 (فقط CPU)
هشدار : TensorFlow 2.16 آخرین نسخه TensorFlow بود که از macOS x86 پشتیبانی می‌کرد.
پایتون ۳.۱۰ https://storage.googleapis.com/tensorflow/versions/2.16.2/tensorflow-2.16.2-cp310-cp310-macosx_10_15_x86_64.whl
پایتون ۳.۱۱ https://storage.googleapis.com/tensorflow/versions/2.16.2/tensorflow-2.16.2-cp311-cp311-macosx_10_15_x86_64.whl
پایتون ۳.۱۲ https://storage.googleapis.com/tensorflow/versions/2.16.2/tensorflow-2.16.2-cp312-cp312-macosx_10_15_x86_64.whl
macOS Arm64 (فقط CPU)
پایتون ۳.۱۰ https://storage.googleapis.com/tensorflow/versions/%222.21.0%22/tensorflow-2.21.0-cp310-cp310-macosx_12_0_arm64.whl
پایتون ۳.۱۱ https://storage.googleapis.com/tensorflow/versions/%222.21.0%22/tensorflow-2.21.0-cp311-cp311-macosx_12_0_arm64.whl
پایتون ۳.۱۲ https://storage.googleapis.com/tensorflow/versions/%222.21.0%22/tensorflow-2.21.0-cp312-cp312-macosx_12_0_arm64.whl
پایتون ۳.۱۳ https://storage.googleapis.com/tensorflow/versions/%222.21.0%22/tensorflow-2.21.0-cp313-cp313-macosx_12_0_arm64.whl
ویندوز (فقط CPU)
پایتون ۳.۱۰ https://storage.googleapis.com/tensorflow/versions/%222.21.0%22/tensorflow-2.21.0-cp310-cp310-win_amd64.whl
پایتون ۳.۱۱ https://storage.googleapis.com/tensorflow/versions/%222.21.0%22/tensorflow-2.21.0-cp311-cp311-win_amd64.whl
پایتون ۳.۱۲ https://storage.googleapis.com/tensorflow/versions/%222.21.0%22/tensorflow-2.21.0-cp312-cp312-win_amd64.whl
پایتون ۳.۱۳ https://storage.googleapis.com/tensorflow/versions/%222.21.0%22/tensorflow-2.21.0-cp313-cp313-win_amd64.whl