pipを使用してTensorFlowをインストールします

コレクションでコンテンツを整理 必要に応じて、コンテンツの保存と分類を行います。

このガイドは、TensorFlow の最新の安定版を対象としています。プレビュー ビルド(ナイトリー)には、 tf-nightlyという名前の pip パッケージを使用します。古い TensorFlow バージョンの要件については、これらの表を参照してください。 CPU のみのビルドでは、 tensorflow-cpuという名前の pip パッケージを使用します。

インストール コマンドのクイック バージョンを次に示します。ステップバイステップの手順については、下にスクロールしてください。

Linux

conda install -c conda-forge cudatoolkit=11.8.0
python3 -m pip install nvidia-cudnn-cu11==8.6.0.163 tensorflow==2.12.*
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
# Verify install:
python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"

マック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 ネイティブ

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==2.12.*
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
# 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])))"

毎晩

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

ハードウェア要件

次の GPU 対応デバイスがサポートされています。

  • CUDA® アーキテクチャ 3.5、5.0、6.0、7.0、7.5、8.0 以上の NVIDIA® GPU カード。 CUDA® 対応 GPU カードのリストを参照してください。
  • サポートされていない CUDA® アーキテクチャを使用する GPU の場合、または PTX からの JIT コンパイルを回避する場合、または異なるバージョンの NVIDIA® ライブラリを使用する場合は、ソース ガイドからの Linux ビルドを参照してください。
  • パッケージには、サポートされている最新の CUDA® アーキテクチャを除き、PTX コードは含まれていません。したがって、 CUDA_FORCE_PTX_JIT=1が設定されている場合、TensorFlow は古い GPU でロードできません。 (詳細については、アプリケーションの互換性を参照してください。)

システム要求

  • Ubuntu 16.04 以降 (64 ビット)
  • macOS 10.12.6 (Sierra) 以降 (64 ビット) (GPU サポートなし)
  • Windows ネイティブ - Windows 7 以降 (64 ビット) (TF 2.10 以降は GPU サポートなし)
  • Windows WSL2 - Windows 10 19044 以降 (64 ビット)

ソフトウェア要件

次の NVIDIA® ソフトウェアは、GPU サポートにのみ必要です。

ステップバイステップの説明

Linux

1.システム要件

  • Ubuntu 16.04 以降 (64 ビット)

TensorFlow は Ubuntu のみを公式にサポートしています。ただし、次の手順は他の Linux ディストリビューションでも機能する場合があります。

2. Miniconda をインストールする

Miniconda は、 GPU をサポートする TensorFlow をインストールするための推奨されるアプローチです。システムにインストールされているソフトウェアを変更しないように、別の環境を作成します。これは、特に GPU セットアップに必要なソフトウェアをインストールする最も簡単な方法でもあります。

次のコマンドを使用して、Miniconda をインストールできます。インストール中に、Enter キーを押して「yes」と入力する必要がある場合があります。

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

condaコマンドを有効にするには、ターミナルまたはsource ~/.bashrcを再起動する必要がある場合があります。 conda -V使用して、正常にインストールされたかどうかをテストします。

3. conda 環境を作成する

次のコマンドを使用して、 tfという名前の新しい conda 環境を作成します。

conda create --name tf python=3.9

次のコマンドで非アクティブ化およびアクティブ化できます。

conda deactivate
conda activate tf

インストールの残りの部分でアクティブ化されていることを確認してください。

4. GPU のセットアップ

CPU でのみ TensorFlow を実行する場合は、このセクションをスキップできます。

NVIDIA GPU ドライバーをインストールしていない場合は、最初にインストールします。次のコマンドを使用して、インストールされていることを確認できます。

nvidia-smi

次に、conda と pip を使用して CUDA と cuDNN をインストールします。

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

システム パスを構成します。 conda環境をアクティブ化した後、新しいターミナルを起動するたびに、次のコマンドでそれを行うことができます.

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

便宜上、次のコマンドで自動化することをお勧めします。この conda 環境をアクティブにすると、システム パスが自動的に構成されます。

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

5. TensorFlow をインストールする

TensorFlow には最新バージョンの pip が必要なため、pip インストールをアップグレードして、最新バージョンを実行していることを確認してください。

pip install --upgrade pip

次に、TensorFlow を pip でインストールします。

pip install tensorflow==2.12.*

6. インストールの確認

CPU のセットアップを確認します。

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

テンソルが返された場合、TensorFlow は正常にインストールされています。

GPU の設定を確認します。

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

GPU デバイスのリストが返された場合、TensorFlow は正常にインストールされています。

Ubuntu 22.04

Ubuntu 22.04 では、次のエラーが発生する場合があります。

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]

このエラーを修正するには、次のコマンドを実行する必要があります。

# 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/

マックOS

1.システム要件

  • macOS 10.12.6 (Sierra) 以降 (64 ビット)

現在、MacOS で TensorFlow を実行するための公式の GPU サポートはありません。以下は、CPU で実行するための手順です。

2. Python のバージョンを確認する

Python 環境が既に構成されているかどうかを確認します。

python3 --version
python3 -m pip --version

2. Miniconda をインストールする

Miniconda は、 GPU をサポートする TensorFlow をインストールするための推奨されるアプローチです。システムにインストールされているソフトウェアを変更しないように、別の環境を作成します。これは、特に GPU セットアップに必要なソフトウェアをインストールする最も簡単な方法でもあります。

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

condaコマンドを有効にするには、ターミナルまたはsource ~/.bashrcを再起動する必要がある場合があります。 conda -V使用して、正常にインストールされたかどうかをテストします。

4. conda 環境を作成する

次のコマンドを使用して、 tfという名前の新しい conda 環境を作成します。

conda create --name tf python=3.9

次のコマンドで非アクティブ化およびアクティブ化できます。

conda deactivate
conda activate tf

インストールの残りの部分でアクティブ化されていることを確認してください。

5. TensorFlow をインストールする

TensorFlow には最新バージョンの pip が必要なため、pip インストールをアップグレードして、最新バージョンを実行していることを確認してください。

pip install --upgrade pip

次に、TensorFlow を pip でインストールします。

pip install tensorflow

6. インストールの確認

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

テンソルが返された場合、TensorFlow は正常にインストールされています。

Windows ネイティブ

1.システム要件

  • Windows 7 以降 (64 ビット)

2. Microsoft Visual C++ 再頒布可能パッケージをインストールします

Visual Studio 2015、2017、および 2019 用の Microsoft Visual C++ 再頒布可能パッケージをインストールします。 TensorFlow 2.1.0 バージョンから、 msvcp140_1.dllファイルがこのパッケージから必要になります (古い再配布可能パッケージからは提供されない場合があります)。再頒布可能パッケージはVisual Studio 2019に付属していますが、個別にインストールできます。

  1. Microsoft Visual C++ ダウンロードに移動します。
  2. ページを下にスクロールして、 Visual Studio 2015、2017、および 2019セクションに移動します。
  3. お使いのプラットフォーム用の Visual Studio 2015、2017、および 2019 用の Microsoft Visual C++ 再頒布可能パッケージをダウンロードしてインストールします。

Windows で長いパスが有効になっていることを確認します。

3. Miniconda をインストールする

Miniconda は、 GPU をサポートする TensorFlow をインストールするための推奨されるアプローチです。システムにインストールされているソフトウェアを変更しないように、別の環境を作成します。これは、特に GPU セットアップに必要なソフトウェアをインストールする最も簡単な方法でもあります。

Miniconda Windows インストーラーをダウンロードします。ダウンロードしたファイルをダブルクリックし、画面の指示に従います。

4. conda 環境を作成する

次のコマンドを使用して、 tfという名前の新しい conda 環境を作成します。

conda create --name tf python=3.9

次のコマンドで非アクティブ化およびアクティブ化できます。

conda deactivate
conda activate tf

インストールの残りの部分でアクティブ化されていることを確認してください。

5. GPU のセットアップ

TensorFlow を CPU でのみ実行する場合は、このセクションをスキップできます。

NVIDIA GPU ドライバーをインストールしていない場合は、最初にインストールします。

次に、CUDA、cuDNN with conda をインストールします。

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

6. TensorFlow をインストールする

TensorFlow には最新バージョンの pip が必要なため、pip インストールをアップグレードして、最新バージョンを実行していることを確認してください。

pip install --upgrade pip

次に、TensorFlow を pip でインストールします。

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

7. インストールの確認

CPU のセットアップを確認します。

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

テンソルが返された場合、TensorFlow は正常にインストールされています。

GPU の設定を確認します。

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

GPU デバイスのリストが返された場合、TensorFlow は正常にインストールされています。

Windows WSL2

1.システム要件

  • Windows 10 19044 以降 (64 ビット)。これは、2021 年 11 月の更新プログラムである Windows 10 バージョン 21H2 に対応しています。

次のドキュメントを参照してください。

2. Miniconda をインストールする

Miniconda は、 GPU をサポートする TensorFlow をインストールするための推奨されるアプローチです。システムにインストールされているソフトウェアを変更しないように、別の環境を作成します。これは、特に GPU セットアップに必要なソフトウェアをインストールする最も簡単な方法でもあります。

次のコマンドを使用して、Miniconda をインストールできます。インストール中に、Enter キーを押して「yes」と入力する必要がある場合があります。

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

condaコマンドを有効にするには、ターミナルまたはsource ~/.bashrcを再起動する必要がある場合があります。 conda -V使用して、正常にインストールされたかどうかをテストします。

3. conda 環境を作成する

次のコマンドを使用して、 tfという名前の新しい conda 環境を作成します。

conda create --name tf python=3.9

次のコマンドで非アクティブ化およびアクティブ化できます。

conda deactivate
conda activate tf

インストールの残りの部分でアクティブ化されていることを確認してください。

4. GPU のセットアップ

CPU でのみ TensorFlow を実行する場合は、このセクションをスキップできます。

NVIDIA GPU ドライバーをインストールしていない場合は、最初にインストールします。次のコマンドを使用して、インストールされていることを確認できます。

nvidia-smi

次に、conda と pip を使用して CUDA と cuDNN をインストールします。

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

システム パスを構成します。 conda環境をアクティブ化した後、新しいターミナルを起動するたびに、次のコマンドで実行できます。

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

便宜上、次のコマンドで自動化することをお勧めします。この conda 環境をアクティブにすると、システム パスが自動的に構成されます。

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

5. TensorFlow をインストールする

TensorFlow には最新バージョンの pip が必要なため、pip インストールをアップグレードして、最新バージョンを実行していることを確認してください。

pip install --upgrade pip

次に、TensorFlow を pip でインストールします。

pip install tensorflow==2.12.*

6. インストールの確認

CPU のセットアップを確認します。

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

テンソルが返された場合、TensorFlow は正常にインストールされています。

GPU の設定を確認します。

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

GPU デバイスのリストが返された場合、TensorFlow は正常にインストールされています。

パッケージの場所

いくつかのインストール メカニズムでは、TensorFlow Python パッケージの URL が必要です。指定する値は、Python のバージョンによって異なります。

バージョンURL
Linux
Python 3.8 GPU のサポートhttps://storage.googleapis.com/tensorflow/linux/gpu/tensorflow-2.12.0-cp38-cp38-manylinux_2_17_x86_64.manylinux2014_x86_64.whl
Python 3.8 CPU のみhttps://storage.googleapis.com/tensorflow/linux/cpu/tensorflow_cpu-2.12.0-cp38-cp38-manylinux_2_17_x86_64.manylinux2014_x86_64.whl
Python 3.9 GPU のサポートhttps://storage.googleapis.com/tensorflow/linux/gpu/tensorflow-2.12.0-cp39-cp39-manylinux_2_17_x86_64.manylinux2014_x86_64.whl
Python 3.9 CPU のみhttps://storage.googleapis.com/tensorflow/linux/cpu/tensorflow_cpu-2.12.0-cp39-cp39-manylinux_2_17_x86_64.manylinux2014_x86_64.whl
Python 3.10 GPU のサポートhttps://storage.googleapis.com/tensorflow/linux/gpu/tensorflow-2.12.0-cp310-cp310-manylinux_2_17_x86_64.manylinux2014_x86_64.whl
Python 3.10 CPU のみhttps://storage.googleapis.com/tensorflow/linux/cpu/tensorflow_cpu-2.12.0-cp310-cp310-manylinux_2_17_x86_64.manylinux2014_x86_64.whl
macOS (CPU のみ)
パイソン3.8 https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-2.12.0-cp38-cp38-macosx_10_15_x86_64.whl
パイソン3.9 https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-2.12.0-cp39-cp39-macosx_10_15_x86_64.whl
パイソン3.10 https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-2.12.0-cp310-cp310-macosx_10_15_x86_64.whl
ウィンドウズ
Python 3.8 CPU のみhttps://storage.googleapis.com/tensorflow/windows/cpu/tensorflow_cpu-2.12.0-cp38-cp38-win_amd64.whl
Python 3.9 CPU のみhttps://storage.googleapis.com/tensorflow/windows/cpu/tensorflow_cpu-2.12.0-cp39-cp39-win_amd64.whl
Python 3.10 CPU のみhttps://storage.googleapis.com/tensorflow/windows/cpu/tensorflow_cpu-2.12.0-cp310-cp310-win_amd64.whl