Installa TensorFlow con pip

Linux

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'))"

Mac 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])))"

Nativo di Windows

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'))"

WindowsWSL2

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'))"

processore

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

Di notte

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

Linux

1. Requisiti di sistema

• Ubuntu 16.04 o successivo (64 bit)

TensorFlow supporta ufficialmente solo Ubuntu. Tuttavia, le seguenti istruzioni potrebbero funzionare anche per altre distribuzioni Linux.

2. Installare Miniconda

Miniconda è l'approccio consigliato per l'installazione di TensorFlow con supporto GPU. Crea un ambiente separato per evitare di modificare qualsiasi software installato nel sistema. Questo è anche il modo più semplice per installare il software richiesto, specialmente per la configurazione della GPU.

È possibile utilizzare il seguente comando per installare Miniconda. Durante l'installazione, potrebbe essere necessario premere Invio e digitare "yes".

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

Potrebbe essere necessario riavviare il terminale o source ~/.bashrc per abilitare il comando conda . Usa conda -V per verificare se è stato installato correttamente.

3. Creare un ambiente conda

Crea un nuovo ambiente conda denominato tf con il seguente comando.

conda create --name tf python=3.9

Puoi disattivarlo e attivarlo con i seguenti comandi.

conda deactivate
conda activate tf

Assicurarsi che sia attivato per il resto dell'installazione.

4. Configurazione della GPU

Puoi saltare questa sezione se esegui TensorFlow solo sulla CPU.

Per prima cosa installa il driver della GPU NVIDIA se non lo hai. È possibile utilizzare il seguente comando per verificare che sia installato.

nvidia-smi

Quindi installa CUDA e cuDNN con conda e pip.

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

Configurare i percorsi di sistema. Puoi farlo con il seguente comando ogni volta che avvii un nuovo terminale dopo aver attivato il tuo ambiente 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

Per tua comodità, ti consigliamo di automatizzarlo con i seguenti comandi. I percorsi di sistema verranno configurati automaticamente quando si attiva questo ambiente conda.

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. Installa TensorFlow

TensorFlow richiede una versione recente di pip, quindi aggiorna l'installazione di pip per assicurarti di eseguire l'ultima versione.

pip install --upgrade pip

Quindi, installa TensorFlow con pip.

pip install tensorflow==2.12.*

6. Verificare l'installazione

Verificare la configurazione della CPU:

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

Se viene restituito un tensore, hai installato TensorFlow correttamente.

Verifica la configurazione della GPU:

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

Se viene restituito un elenco di dispositivi GPU, TensorFlow è stato installato correttamente.

Ubuntu 22.04

In Ubuntu 22.04, potresti riscontrare il seguente errore:

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]

Per correggere questo errore, dovrai eseguire i seguenti comandi.

# 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/

Mac OS

1. Requisiti di sistema

• macOS 10.12.6 (Sierra) o superiore (64 bit)

Attualmente non esiste un supporto GPU ufficiale per l'esecuzione di TensorFlow su MacOS. Le seguenti istruzioni sono per l'esecuzione su CPU.

2. Controlla la versione di Python

Controlla se il tuo ambiente Python è già configurato:

python3 --version
python3 -m pip --version

2. Installare Miniconda

Miniconda è l'approccio consigliato per l'installazione di TensorFlow con supporto GPU. Crea un ambiente separato per evitare di modificare qualsiasi software installato nel sistema. Questo è anche il modo più semplice per installare il software richiesto, specialmente per la configurazione della 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

Potrebbe essere necessario riavviare il terminale o source ~/.bashrc per abilitare il comando conda . Usa conda -V per verificare se è stato installato correttamente.

4. Creare un ambiente conda

Crea un nuovo ambiente conda denominato tf con il seguente comando.

conda create --name tf python=3.9

Puoi disattivarlo e attivarlo con i seguenti comandi.

conda deactivate
conda activate tf

Assicurarsi che sia attivato per il resto dell'installazione.

5. Installa TensorFlow

TensorFlow richiede una versione recente di pip, quindi aggiorna l'installazione di pip per assicurarti di eseguire l'ultima versione.

pip install --upgrade pip

Quindi, installa TensorFlow con pip.

pip install tensorflow

6. Verificare l'installazione

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

Se viene restituito un tensore, hai installato TensorFlow correttamente.

Nativo di Windows

1. Requisiti di sistema

• Windows 7 o versioni successive (64 bit)

2. Installare Microsoft Visual C++ Redistributable

Installa Microsoft Visual C++ Redistributable per Visual Studio 2015, 2017 e 2019 . A partire dalla versione TensorFlow 2.1.0, il file msvcp140_1.dll è richiesto da questo pacchetto (che potrebbe non essere fornito da pacchetti ridistribuibili precedenti). Il ridistribuibile viene fornito con Visual Studio 2019 ma può essere installato separatamente:

1. Vai ai download di Microsoft Visual C++ .
2. Scorri la pagina fino alla sezione Visual Studio 2015, 2017 e 2019 .
3. Scarica e installa Microsoft Visual C++ Redistributable per Visual Studio 2015, 2017 e 2019 per la tua piattaforma.

Assicurati che i percorsi lunghi siano abilitati su Windows.

3. Installa Miniconda

Miniconda è l'approccio consigliato per l'installazione di TensorFlow con supporto GPU. Crea un ambiente separato per evitare di modificare qualsiasi software installato nel sistema. Questo è anche il modo più semplice per installare il software richiesto, specialmente per la configurazione della GPU.

Scarica Miniconda Windows Installer . Fare doppio clic sul file scaricato e seguire le istruzioni sullo schermo.

4. Creare un ambiente conda

Crea un nuovo ambiente conda denominato tf con il seguente comando.

conda create --name tf python=3.9

Puoi disattivarlo e attivarlo con i seguenti comandi.

conda deactivate
conda activate tf

Assicurarsi che sia attivato per il resto dell'installazione.

5. Configurazione della GPU

Puoi saltare questa sezione se esegui TensorFlow solo sulla CPU.

Installa prima il driver della GPU NVIDIA se non lo hai.

Quindi installare CUDA, cuDNN con conda.

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

6. Installa TensorFlow

TensorFlow richiede una versione recente di pip, quindi aggiorna l'installazione di pip per assicurarti di eseguire l'ultima versione.

pip install --upgrade pip

Quindi, installa TensorFlow con pip.

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

7. Verificare l'installazione

Verificare la configurazione della CPU:

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

Se viene restituito un tensore, hai installato TensorFlow correttamente.

Verifica la configurazione della GPU:

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

Se viene restituito un elenco di dispositivi GPU, TensorFlow è stato installato correttamente.

WindowsWSL2

1. Requisiti di sistema

• Windows 10 19044 o superiore (64 bit). Ciò corrisponde a Windows 10 versione 21H2, l'aggiornamento di novembre 2021.

Consulta i seguenti documenti per:

• Scarica l'ultimo aggiornamento di Windows 10 .
• Installa WSL2
• Configurare il supporto GPU NVIDIA® in WSL2

2. Installare Miniconda

Miniconda è l'approccio consigliato per l'installazione di TensorFlow con supporto GPU. Crea un ambiente separato per evitare di modificare qualsiasi software installato nel sistema. Questo è anche il modo più semplice per installare il software richiesto, specialmente per la configurazione della GPU.

È possibile utilizzare il seguente comando per installare Miniconda. Durante l'installazione, potrebbe essere necessario premere Invio e digitare "yes".

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

Potrebbe essere necessario riavviare il terminale o source ~/.bashrc per abilitare il comando conda . Usa conda -V per verificare se è stato installato correttamente.

3. Creare un ambiente conda

Crea un nuovo ambiente conda denominato tf con il seguente comando.

conda create --name tf python=3.9

Puoi disattivarlo e attivarlo con i seguenti comandi.

conda deactivate
conda activate tf

Assicurarsi che sia attivato per il resto dell'installazione.

4. Configurazione della GPU

Puoi saltare questa sezione se esegui TensorFlow solo sulla CPU.

Per prima cosa installa il driver della GPU NVIDIA se non lo hai. È possibile utilizzare il seguente comando per verificare che sia installato.

nvidia-smi

Quindi installa CUDA e cuDNN con conda e pip.

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

Configurare i percorsi di sistema. Puoi farlo con il seguente comando ogni volta che avvii un nuovo terminale dopo aver attivato il tuo ambiente 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

Per tua comodità, ti consigliamo di automatizzarlo con i seguenti comandi. I percorsi di sistema verranno configurati automaticamente quando si attiva questo ambiente conda.

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. Installa TensorFlow

TensorFlow richiede una versione recente di pip, quindi aggiorna l'installazione di pip per assicurarti di eseguire l'ultima versione.

pip install --upgrade pip

Quindi, installa TensorFlow con pip.

pip install tensorflow==2.12.*

6. Verificare l'installazione

Verificare la configurazione della CPU:

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

Se viene restituito un tensore, hai installato TensorFlow correttamente.

Verifica la configurazione della GPU:

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

Se viene restituito un elenco di dispositivi GPU, TensorFlow è stato installato correttamente.