pip로 TensorFlow 설치

리눅스

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'))"

맥 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])))"

윈도우 네이티브

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'))"

윈도우 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'))"

CPU

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

나이틀리

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

리눅스

1. 시스템 요구 사항

• Ubuntu 16.04 이상(64비트)

TensorFlow는 공식적으로 Ubuntu만 지원합니다. 그러나 다음 지침은 다른 Linux 배포판에서도 작동할 수 있습니다.

2. 미니콘다 설치

Miniconda 는 GPU 지원과 함께 TensorFlow를 설치하는 데 권장되는 접근 방식입니다. 시스템에 설치된 소프트웨어가 변경되지 않도록 별도의 환경을 만듭니다. 이는 특히 GPU 설정에 필요한 소프트웨어를 설치하는 가장 쉬운 방법이기도 합니다.

다음 명령을 사용하여 Miniconda를 설치할 수 있습니다. 설치하는 동안 Enter 키를 누르고 "yes"를 입력해야 할 수 있습니다.

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 명령을 활성화하려면 터미널 또는 source ~/.bashrc 다시 시작해야 할 수 있습니다. conda -V 사용하여 성공적으로 설치되었는지 테스트합니다.

3. 콘다 환경 만들기

다음 명령을 사용하여 tf 라는 새 conda 환경을 만듭니다.

conda create --name tf python=3.9

다음 명령을 사용하여 비활성화 및 활성화할 수 있습니다.

conda deactivate
conda activate tf

나머지 설치를 위해 활성화되어 있는지 확인하십시오.

4. GPU 설정

TensorFlow를 CPU에서만 실행하는 경우 이 섹션을 건너뛸 수 있습니다.

없는 경우 먼저 NVIDIA GPU 드라이버를 설치합니다. 다음 명령을 사용하여 설치되었는지 확인할 수 있습니다.

nvidia-smi

그런 다음 conda 및 pip와 함께 CUDA 및 cuDNN을 설치합니다.

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

시스템 경로를 구성합니다. conda 환경을 활성화한 후 새 터미널을 시작할 때마다 다음 명령으로 수행할 수 있습니다.

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

편의를 위해 다음 명령을 사용하여 자동화하는 것이 좋습니다. 이 conda 환경을 활성화하면 시스템 경로가 자동으로 구성됩니다.

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. TensorFlow 설치

TensorFlow에는 최신 버전의 pip가 필요하므로 pip 설치를 업그레이드하여 최신 버전을 실행하고 있는지 확인하세요.

pip install --upgrade pip

그런 다음 pip로 TensorFlow를 설치합니다.

pip install tensorflow==2.12.*

6. 설치 확인

CPU 설정 확인:

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

Tensor가 반환되면 TensorFlow를 성공적으로 설치한 것입니다.

GPU 설정 확인:

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

GPU 장치 목록이 반환되면 TensorFlow를 성공적으로 설치한 것입니다.

우분투 22.04

Ubuntu 22.04에서 다음 오류가 발생할 수 있습니다.

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]

이 오류를 수정하려면 다음 명령을 실행해야 합니다.

# 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/

맥 OS

1. 시스템 요구 사항

• macOS 10.12.6(Sierra) 이상(64비트)

현재 MacOS에서 TensorFlow를 실행하기 위한 공식 GPU 지원은 없습니다. 다음은 CPU에서 실행하기 위한 지침입니다.

2. 파이썬 버전 확인

Python 환경이 이미 구성되어 있는지 확인합니다.

python3 --version
python3 -m pip --version

2. 미니콘다 설치

Miniconda 는 GPU 지원과 함께 TensorFlow를 설치하는 데 권장되는 접근 방식입니다. 시스템에 설치된 소프트웨어가 변경되지 않도록 별도의 환경을 만듭니다. 이는 특히 GPU 설정에 필요한 소프트웨어를 설치하는 가장 쉬운 방법이기도 합니다.

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 명령을 활성화하려면 터미널 또는 source ~/.bashrc 다시 시작해야 할 수 있습니다. conda -V 사용하여 성공적으로 설치되었는지 테스트합니다.

4. 콘다 환경 만들기

다음 명령을 사용하여 tf 라는 새 conda 환경을 만듭니다.

conda create --name tf python=3.9

다음 명령을 사용하여 비활성화 및 활성화할 수 있습니다.

conda deactivate
conda activate tf

나머지 설치를 위해 활성화되어 있는지 확인하십시오.

5. TensorFlow 설치

TensorFlow에는 최신 버전의 pip가 필요하므로 pip 설치를 업그레이드하여 최신 버전을 실행하고 있는지 확인하세요.

pip install --upgrade pip

그런 다음 pip로 TensorFlow를 설치합니다.

pip install tensorflow

6. 설치 확인

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

Tensor가 반환되면 TensorFlow를 성공적으로 설치한 것입니다.

윈도우 네이티브

1. 시스템 요구 사항

• Windows 7 이상(64비트)

2. Microsoft Visual C++ 재배포 가능 패키지 설치

Visual Studio 2015, 2017 및 2019용 Microsoft Visual C++ 재배포 가능 패키지를 설치합니다. TensorFlow 2.1.0 버전부터 msvcp140_1.dll 파일이 이 패키지에 필요합니다(이전 재배포 가능 패키지에서 제공되지 않을 수 있음). 재배포 가능 패키지는 Visual Studio 2019 와 함께 제공되지만 별도로 설치할 수 있습니다.

1. Microsoft Visual C++ 다운로드 로 이동합니다.
2. Visual Studio 2015, 2017 및 2019 섹션까지 페이지를 아래로 스크롤합니다.
3. 플랫폼에 맞는 Visual Studio 2015, 2017 및 2019용 Microsoft Visual C++ 재배포 가능 패키지를 다운로드하여 설치합니다.

Windows에서 긴 경로가 활성화되어 있는지 확인하십시오.

3. 미니콘다 설치

Miniconda 는 GPU 지원과 함께 TensorFlow를 설치하는 데 권장되는 접근 방식입니다. 시스템에 설치된 소프트웨어가 변경되지 않도록 별도의 환경을 만듭니다. 이는 특히 GPU 설정에 필요한 소프트웨어를 설치하는 가장 쉬운 방법이기도 합니다.

Miniconda Windows Installer를 다운로드합니다. 다운로드한 파일을 두 번 클릭하고 화면의 지시를 따릅니다.

4. 콘다 환경 만들기

다음 명령을 사용하여 tf 라는 새 conda 환경을 만듭니다.

conda create --name tf python=3.9

다음 명령을 사용하여 비활성화 및 활성화할 수 있습니다.

conda deactivate
conda activate tf

나머지 설치를 위해 활성화되어 있는지 확인하십시오.

5. GPU 설정

TensorFlow를 CPU에서만 실행하는 경우 이 섹션을 건너뛸 수 있습니다.

없는 경우 먼저 NVIDIA GPU 드라이버를 설치하십시오.

그런 다음 conda와 함께 CUDA, cuDNN을 설치합니다.

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

6. TensorFlow 설치

TensorFlow에는 최신 버전의 pip가 필요하므로 pip 설치를 업그레이드하여 최신 버전을 실행하고 있는지 확인하세요.

pip install --upgrade pip

그런 다음 pip로 TensorFlow를 설치합니다.

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

7. 설치 확인

CPU 설정 확인:

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

Tensor가 반환되면 TensorFlow를 성공적으로 설치한 것입니다.

GPU 설정 확인:

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

GPU 장치 목록이 반환되면 TensorFlow를 성공적으로 설치한 것입니다.

윈도우 WSL2

1. 시스템 요구 사항

• Windows 10 19044 이상(64비트). 이는 Windows 10 버전 21H2, 2021년 11월 업데이트에 해당합니다.

다음 문서를 참조하십시오.

• 최신 Windows 10 업데이트를 다운로드합니다 .
• WSL2 설치
• WSL2에서 NVIDIA® GPU 지원 설정

2. 미니콘다 설치

Miniconda 는 GPU 지원과 함께 TensorFlow를 설치하는 데 권장되는 접근 방식입니다. 시스템에 설치된 소프트웨어가 변경되지 않도록 별도의 환경을 만듭니다. 이는 특히 GPU 설정에 필요한 소프트웨어를 설치하는 가장 쉬운 방법이기도 합니다.

다음 명령을 사용하여 Miniconda를 설치할 수 있습니다. 설치하는 동안 Enter 키를 누르고 "yes"를 입력해야 할 수 있습니다.

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 명령을 활성화하려면 터미널 또는 source ~/.bashrc 다시 시작해야 할 수 있습니다. conda -V 사용하여 성공적으로 설치되었는지 테스트합니다.

3. 콘다 환경 만들기

다음 명령을 사용하여 tf 라는 새 conda 환경을 만듭니다.

conda create --name tf python=3.9

다음 명령을 사용하여 비활성화 및 활성화할 수 있습니다.

conda deactivate
conda activate tf

나머지 설치를 위해 활성화되어 있는지 확인하십시오.

4. GPU 설정

TensorFlow를 CPU에서만 실행하는 경우 이 섹션을 건너뛸 수 있습니다.

없는 경우 먼저 NVIDIA GPU 드라이버를 설치합니다. 다음 명령을 사용하여 설치되었는지 확인할 수 있습니다.

nvidia-smi

그런 다음 conda 및 pip와 함께 CUDA 및 cuDNN을 설치합니다.

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

시스템 경로를 구성합니다. conda 환경을 활성화한 후 새 터미널을 시작할 때마다 다음 명령으로 수행할 수 있습니다.

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

편의를 위해 다음 명령을 사용하여 자동화하는 것이 좋습니다. 이 conda 환경을 활성화하면 시스템 경로가 자동으로 구성됩니다.

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. TensorFlow 설치

TensorFlow에는 최신 버전의 pip가 필요하므로 pip 설치를 업그레이드하여 최신 버전을 실행하고 있는지 확인하세요.

pip install --upgrade pip

그런 다음 pip로 TensorFlow를 설치합니다.

pip install tensorflow==2.12.*

6. 설치 확인

CPU 설정 확인:

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

Tensor가 반환되면 TensorFlow를 성공적으로 설치한 것입니다.

GPU 설정 확인:

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

GPU 장치 목록이 반환되면 TensorFlow를 성공적으로 설치한 것입니다.