Se encuentran disponibles los paquetes de TensorFlow 2
tensorflow
: La versión estable más reciente compatible con GPU (Ubuntu y Windows) y CPUtf-nightly
: Vista previa de la compilación (inestable) Ubuntu y Windows incluyen compatibilidad con GPU
Versiones anteriores de TensorFlow
Para TensorFlow 1.x, los paquetes para CPU y GPU son independientes:
tensorflow==1.15
: Actualización solo para CPUtensorflow-gpu==1.15
: Actualización compatible con GPU (Ubuntu y Windows)
Requisitos del sistema
- Python 3.6 a 3.9
- La compatibilidad con Python 3.9 requiere TensorFlow 2.5 o una versión posterior.
- La compatibilidad con Python 3.8 requiere TensorFlow 2.2 o una versión posterior.
- pip 19.0 o versiones posteriores (requiere compatibilidad con
manylinux2010
) - Ubuntu 16.04 o versiones posteriores (64 bits)
- macOS 10.12.6 (Sierra) o versiones posteriores (64-bit) (no son compatibles con GPU)
- macOS requiere pip 20.3 o una versión posterior
- Windows 7 o versiones posteriores (64 bits)
- La compatibilidad con GPU requiere una tarjeta habilitada para CUDA® (Ubuntu y Windows)
Requisitos de hardware
- A partir de TensorFlow 1.6, los objetos binarios usan instrucciones AVX que podrían no funcionar en CPU más antiguas.
- Lee la guía de compatibilidad de GPU para configurar una tarjeta GPU habilitada para CUDA® en Ubuntu o Windows.
1. Instala el entorno de desarrollo de Python en tu sistema
Comprueba si tu entorno Python ya está configurado:
python3 --version
pip3 --version
Si estos paquetes ya están instalados, continúa con el paso siguiente.
De lo contrario, instala Python, el administrador de paquetes pip y venv:
Ubuntu
sudo apt update
sudo apt install python3-dev python3-pip python3-venv
macOS
Realiza la instalación con el administrador de paquetes Homebrew:
/usr/bin/ruby -e "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/master/install)"
export PATH="/usr/local/opt/python/libexec/bin:$PATH"
# if you are on macOS 10.12 (Sierra) use `export PATH="/usr/local/bin:/usr/local/sbin:$PATH"`
brew update
brew install python # Python 3
Windows
Instala el Paquete redistribuible de Microsoft Visual C++ para Visual Studio 2015, 2017 y 2019. A partir de la versión de TensorFlow 2.1.0, se requiere el archivo msvcp140_1.dll
de este paquete (que puede no estar incluido en paquetes redistribuibles anteriores).
El paquete redistribuible incluye Visual Studio 2019, pero se puede instalar por separado:
- Ve a las descargas de Microsoft Visual C++.
- Desplázate por la página hasta la sección Visual Studio 2015, 2017 y 2019.
- Descarga e instala el Paquete redistribuible de Microsoft Visual C++ para Visual Studio 2015, 2017 y 2019 para tu plataforma.
Asegúrate de que las rutas de acceso extensas estén habilitadas en Windows.
Instala la actualización de Python 3 para Windows de 64 bits (selecciona pip
como función opcional).
Otra
curl https://bootstrap.pypa.io/get-pip.py -o get-pip.py
python get-pip.py
2. Crea un entorno virtual (recomendado)
Se utilizan entornos virtuales de Python para aislar del sistema la instalación de paquetes.
Ubuntu/macOS
Para crear un entorno virtual nuevo, elige un intérprete de Python y crea un directorio ./venv
para contenerlo:
python3 -m venv --system-site-packages ./venv
Para activar el entorno virtual, usa un comando de shell específico:
source ./venv/bin/activate # sh, bash, or zsh
. ./venv/bin/activate.fish # fish
source ./venv/bin/activate.csh # csh or tcsh
Cuando el entorno virtual está activo, la solicitud de shell tiene el prefijo (venv)
.
Instala paquetes dentro de un entorno virtual sin afectar la configuración del sistema host. Primero, actualiza pip
:
pip install --upgrade pip
pip list # show packages installed within the virtual environment
Para salir del entorno virtual luego, haz lo siguiente:
deactivate # don't exit until you're done using TensorFlow
Windows
Para crear un entorno virtual nuevo, elige un intérprete de Python y crea un directorio .\venv
para contenerlo:
python -m venv --system-site-packages .\venv
Activa el entorno virtual:
.\venv\Scripts\activate
Instala paquetes dentro de un entorno virtual sin afectar la configuración del sistema host. Primero, actualiza pip
:
pip install --upgrade pip
pip list # show packages installed within the virtual environment
Para salir del entorno virtual luego, haz lo siguiente:
deactivate # don't exit until you're done using TensorFlow
Conda
Si bien recomendamos el paquete pip de TensorFlow, también se encuentra disponible un paquete Anaconda con asistencia de la comunidad. Para instalarlo, consulta la guía de Anaconda de TensorFlow.
3. Instala el paquete pip de TensorFlow
Elige uno de los siguientes paquetes de TensorFlow para instalarlo desde PyPI:
tensorflow
: La versión estable más reciente compatible con GPU (Ubuntu y Windows) y CPUtf-nightly
: Vista previa de la compilación (inestable) Ubuntu y Windows incluyen compatibilidad con GPUtensorflow==1.15
: La versión final de TensorFlow 1.x
Instalación en el entorno virtual
pip install --upgrade tensorflow
Verifica la instalación:
python -c "import tensorflow as tf;print(tf.reduce_sum(tf.random.normal([1000, 1000])))"
Instalación en el sistema
pip3 install --user --upgrade tensorflow # install in $HOME
Verifica la instalación:
python3 -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"
Ubicación del paquete
Algunos mecanismos de instalación requieren la URL del paquete de Python de TensorFlow. El valor que especifiques depende de tu versión de Python.
Versión | URL |
---|---|
Linux | |
Python 3.6 compatible con GPU | https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-2.6.0-cp36-cp36m-manylinux2010_x86_64.whl |
Python 3.6 exclusivo para CPU | https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow_cpu-2.6.0-cp36-cp36m-manylinux2010_x86_64.whl |
Python 3.7 compatible con GPU | https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-2.6.0-cp37-cp37m-manylinux2010_x86_64.whl |
Python 3.7 exclusivo para CPU | https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow_cpu-2.6.0-cp37-cp37m-manylinux2010_x86_64.whl |
Python 3.8 compatible con GPU | https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-2.6.0-cp38-cp38-manylinux2010_x86_64.whl |
Python 3.8 exclusivo para CPU | https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow_cpu-2.6.0-cp38-cp38-manylinux2010_x86_64.whl |
Python 3.9 compatible con GPU | https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-2.6.0-cp39-cp39-manylinux2010_x86_64.whl |
Python 3.9 exclusivo para CPU | https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow_cpu-2.6.0-cp39-cp39-manylinux2010_x86_64.whl |
macOS (exclusivo para CPU) | |
Python 3.6 | https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-2.6.0-cp36-cp36m-macosx_10_11_x86_64.whl |
Python 3.7 | https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-2.6.0-cp37-cp37m-macosx_10_11_x86_64.whl |
Python 3.8 | https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-2.6.0-cp38-cp38-macosx_10_11_x86_64.whl |
Python 3.9 | https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-2.6.0-cp39-cp39-macosx_10_11_x86_64.whl |
Windows | |
Python 3.6 compatible con GPU | https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-2.6.0-cp36-cp36m-win_amd64.whl |
Python 3.6 exclusivo para CPU | https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow_cpu-2.6.0-cp36-cp36m-win_amd64.whl |
Python 3.7 compatible con GPU | https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-2.6.0-cp37-cp37m-win_amd64.whl |
Python 3.7 exclusivo para CPU | https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow_cpu-2.6.0-cp37-cp37m-win_amd64.whl |
Python 3.8 compatible con GPU | https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-2.6.0-cp38-cp38-win_amd64.whl |
Python 3.8 exclusivo para CPU | https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow_cpu-2.6.0-cp38-cp38-win_amd64.whl |
Python 3.9 compatible con GPU | https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-2.6.0-cp39-cp39-win_amd64.whl |
Python 3.9 exclusivo para CPU | https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow_cpu-2.6.0-cp39-cp39-win_amd64.whl |