คู่มือนี้มีไว้สำหรับ TensorFlow เวอร์ชันเสถียรล่าสุด สำหรับการสร้างตัวอย่าง (ทุกคืน) ให้ใช้แพ็คเกจ pip ชื่อ tf-nightly
โปรดดู ตารางเหล่านี้ สำหรับข้อกำหนดเวอร์ชันเก่าของ TensorFlow สำหรับรุ่น CPU เท่านั้น ให้ใช้แพ็คเกจ pip ชื่อ tensorflow-cpu
ต่อไปนี้เป็นคำสั่งการติดตั้งเวอร์ชันด่วน เลื่อนลงเพื่อดูคำแนะนำทีละขั้นตอน
ลินุกซ์
python3 -m pip install tensorflow[and-cuda]
# Verify the installation:
python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"
แมคโอเอส
# 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])))"
Windows พื้นเมือง
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'))"
วินโดวส์ WSL2
python3 -m pip install tensorflow[and-cuda]
# Verify the installation:
python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"
ซีพียู
python3 -m pip install tensorflow
# Verify the installation:
python3 -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"
ทุกคืน
python3 -m pip install tf-nightly
# Verify the installation:
python3 -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"
ข้อกำหนดด้านฮาร์ดแวร์
รองรับอุปกรณ์ที่ใช้ GPU ต่อไปนี้:
- การ์ด NVIDIA® GPU พร้อมสถาปัตยกรรม CUDA® 3.5, 5.0, 6.0, 7.0, 7.5, 8.0 และสูงกว่า ดูรายการ การ์ด GPU ที่รองรับ CUDA®
- สำหรับ GPU ที่มีสถาปัตยกรรม CUDA® ที่ไม่รองรับ หรือเพื่อหลีกเลี่ยงการคอมไพล์ JIT จาก PTX หรือใช้ไลบรารี NVIDIA® เวอร์ชันอื่น โปรดดู Linux บิวด์จากคู่มือแหล่งที่มา
- แพ็คเกจไม่มีรหัส PTX ยกเว้นสถาปัตยกรรม CUDA® ที่รองรับล่าสุด ดังนั้น TensorFlow จึงไม่สามารถโหลดบน GPU รุ่นเก่าได้เมื่อตั้ง
CUDA_FORCE_PTX_JIT=1
(ดูรายละเอียด ความเข้ากันได้ของแอปพลิเคชัน )
ความต้องการของระบบ
- Ubuntu 16.04 หรือสูงกว่า (64 บิต)
- macOS 10.12.6 (Sierra) หรือสูงกว่า (64 บิต) (ไม่รองรับ GPU)
- Windows Native - Windows 7 หรือสูงกว่า (64 บิต) (ไม่รองรับ GPU หลังจาก TF 2.10)
- Windows WSL2 - Windows 10 19044 หรือสูงกว่า (64 บิต)
ข้อกำหนดซอฟต์แวร์
- ไพธอน 3.9–3.12
- pip เวอร์ชัน 19.0 หรือสูงกว่าสำหรับ Linux (ต้องรองรับ
manylinux2014
) และ Windows pip เวอร์ชัน 20.3 หรือสูงกว่าสำหรับ macOS - Windows Native ต้องใช้ Microsoft Visual C++ Redistributable สำหรับ Visual Studio 2015, 2017 และ 2019
ซอฟต์แวร์ NVIDIA® ต่อไปนี้จำเป็นสำหรับการรองรับ GPU เท่านั้น
- ไดรเวอร์ NVIDIA® GPU
- >= 525.60.13 สำหรับ Linux
- >= 528.33 สำหรับ WSL บน Windows
- CUDA® Toolkit 12.3 .
- cuDNN SDK 8.9.7
- (ไม่บังคับ) TensorRT เพื่อปรับปรุงเวลาในการตอบสนองและปริมาณการประมวลผลสำหรับการอนุมาน
คำแนะนำทีละขั้นตอน
ลินุกซ์
1. ความต้องการของระบบ
- Ubuntu 16.04 หรือสูงกว่า (64 บิต)
TensorFlow รองรับ Ubuntu อย่างเป็นทางการเท่านั้น อย่างไรก็ตาม คำแนะนำต่อไปนี้อาจใช้ได้กับ Linux distro อื่นๆ ด้วย
2. การตั้งค่า GPU
คุณสามารถข้ามส่วนนี้ได้หากคุณเรียกใช้ TensorFlow บน CPU เท่านั้น
ติดตั้ง ไดรเวอร์ NVIDIA GPU หากคุณยังไม่ได้ติดตั้ง คุณสามารถใช้คำสั่งต่อไปนี้เพื่อตรวจสอบว่ามีการติดตั้งแล้ว
nvidia-smi
3. สร้างสภาพแวดล้อมเสมือนจริงด้วย venv
โมดูล venv เป็นส่วนหนึ่งของไลบรารีมาตรฐานของ Python และเป็นวิธีที่แนะนำอย่างเป็นทางการในการสร้างสภาพแวดล้อมเสมือน
นำทางไปยังไดเร็กทอรีสภาพแวดล้อมเสมือนที่คุณต้องการและสร้างสภาพแวดล้อม venv ใหม่ชื่อ tf
ด้วยคำสั่งต่อไปนี้
python3 -m venv tf
คุณสามารถเปิดใช้งานได้ด้วยคำสั่งต่อไปนี้
source tf/bin/activate
ตรวจสอบให้แน่ใจว่าสภาพแวดล้อมเสมือนถูกเปิดใช้งานสำหรับส่วนที่เหลือของการติดตั้ง
4. ติดตั้ง TensorFlow
TensorFlow ต้องใช้ pip เวอร์ชันล่าสุด ดังนั้นควรอัปเกรดการติดตั้ง pip เพื่อให้แน่ใจว่าคุณกำลังใช้เวอร์ชันล่าสุด
pip install --upgrade pip
จากนั้นติดตั้ง TensorFlow ด้วย pip
# For GPU users
pip install tensorflow[and-cuda]
# For CPU users
pip install tensorflow
6. ตรวจสอบการติดตั้ง
ตรวจสอบการตั้งค่า CPU:
python3 -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"
หากส่งคืนเทนเซอร์ แสดงว่าคุณติดตั้ง TensorFlow สำเร็จแล้ว
ตรวจสอบการตั้งค่า GPU:
python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"
หากส่งคืนรายการอุปกรณ์ GPU แสดงว่าคุณติดตั้ง TensorFlow สำเร็จแล้ว หากไม่ทำขั้นตอนต่อไป
6. [GPU เท่านั้น] การกำหนดค่าสภาพแวดล้อมเสมือน
หากการทดสอบ GPU ในส่วนสุดท้ายไม่สำเร็จ สาเหตุที่เป็นไปได้มากที่สุดก็คือตรวจไม่พบส่วนประกอบต่างๆ และ/หรือขัดแย้งกับการติดตั้ง CUDA ของระบบที่มีอยู่ ดังนั้นคุณต้องเพิ่มลิงก์สัญลักษณ์เพื่อแก้ไขปัญหานี้
- สร้างลิงก์สัญลักษณ์ไปยังไลบรารีที่แชร์ของ NVIDIA:
pushd $(dirname $(python -c 'print(__import__("tensorflow").__file__)'))
ln -svf ../nvidia/*/lib/*.so* .
popd
- สร้างลิงก์สัญลักษณ์ไปยัง 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
ตรวจสอบการตั้งค่า GPU:
python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"
แมคโอเอส
1. ความต้องการของระบบ
- macOS 10.12.6 (Sierra) หรือสูงกว่า (64 บิต)
ขณะนี้ไม่มีการรองรับ GPU อย่างเป็นทางการสำหรับการรัน TensorFlow บน MacOS คำแนะนำต่อไปนี้ใช้สำหรับการทำงานบน CPU
2. ตรวจสอบเวอร์ชั่น Python
ตรวจสอบว่าสภาพแวดล้อม Python ของคุณได้รับการกำหนดค่าแล้วหรือไม่:
python3 --version
python3 -m pip --version
3. ติดตั้ง TensorFlow
TensorFlow ต้องใช้ pip เวอร์ชันล่าสุด ดังนั้นควรอัปเกรดการติดตั้ง pip เพื่อให้แน่ใจว่าคุณกำลังใช้เวอร์ชันล่าสุด
pip install --upgrade pip
จากนั้นติดตั้ง TensorFlow ด้วย pip
pip install tensorflow
4. ตรวจสอบการติดตั้ง
python3 -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"
หากส่งคืนเทนเซอร์ แสดงว่าคุณติดตั้ง TensorFlow สำเร็จแล้ว
Windows พื้นเมือง
1. ความต้องการของระบบ
- Windows 7 หรือสูงกว่า (64 บิต)
2. ติดตั้ง Microsoft Visual C++ แบบแจกจ่ายต่อได้
ติดตั้ง Microsoft Visual C++ Redistributable สำหรับ Visual Studio 2015, 2017 และ 2019 ตั้งแต่เวอร์ชัน TensorFlow 2.1.0 เป็นต้นไป จำเป็นต้องมีไฟล์ msvcp140_1.dll
จากแพ็คเกจนี้ (ซึ่งอาจไม่ได้มาจากแพ็คเกจที่แจกจ่ายต่อได้รุ่นเก่า) การแจกจ่ายซ้ำนั้นมาพร้อมกับ Visual Studio 2019 แต่สามารถติดตั้งแยกกันได้:
- ไปที่ การดาวน์โหลด Microsoft Visual C++
- เลื่อนหน้าลงไปที่ส่วน Visual Studio 2015, 2017 และ 2019
- ดาวน์โหลดและติดตั้ง Microsoft Visual C++ Redistributable สำหรับ Visual Studio 2015, 2017 และ 2019 สำหรับแพลตฟอร์มของคุณ
ตรวจสอบให้แน่ใจว่า เปิดใช้งานเส้นทางยาว บน Windows
3. ติดตั้งมินิคอนด้า
Miniconda เป็นวิธีที่แนะนำสำหรับการติดตั้ง TensorFlow ด้วยการรองรับ GPU โดยจะสร้างสภาพแวดล้อมแยกต่างหากเพื่อหลีกเลี่ยงการเปลี่ยนแปลงซอฟต์แวร์ที่ติดตั้งในระบบของคุณ นี่เป็นวิธีที่ง่ายที่สุดในการติดตั้งซอฟต์แวร์ที่จำเป็น โดยเฉพาะสำหรับการตั้งค่า GPU
ดาวน์โหลด ตัวติดตั้ง Windows Miniconda ดับเบิลคลิกไฟล์ที่ดาวน์โหลดมา และปฏิบัติตามคำแนะนำบนหน้าจอ
4. สร้างสภาพแวดล้อมแบบคอนดา
สร้างสภาพแวดล้อม conda ใหม่ชื่อ tf
ด้วยคำสั่งต่อไปนี้
conda create --name tf python=3.9
คุณสามารถปิดการใช้งานและเปิดใช้งานได้ด้วยคำสั่งต่อไปนี้
conda deactivate
conda activate tf
ตรวจสอบให้แน่ใจว่าได้เปิดใช้งานแล้วสำหรับการติดตั้งที่เหลือ
5. การตั้งค่า GPU
คุณสามารถข้ามส่วนนี้ได้หากคุณเรียกใช้ TensorFlow บน CPU เท่านั้น
ก่อนติดตั้ง ไดรเวอร์ NVIDIA GPU หากคุณยังไม่ได้
จากนั้นติดตั้ง CUDA, cuDNN ด้วย conda
conda install -c conda-forge cudatoolkit=11.2 cudnn=8.1.0
6. ติดตั้ง TensorFlow
TensorFlow ต้องใช้ pip เวอร์ชันล่าสุด ดังนั้นควรอัปเกรดการติดตั้ง pip เพื่อให้แน่ใจว่าคุณกำลังใช้เวอร์ชันล่าสุด
pip install --upgrade pip
จากนั้นติดตั้ง TensorFlow ด้วย pip
# Anything above 2.10 is not supported on the GPU on Windows Native
pip install "tensorflow<2.11"
7. ตรวจสอบการติดตั้ง
ตรวจสอบการตั้งค่า CPU:
python -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"
หากส่งคืนเทนเซอร์ แสดงว่าคุณติดตั้ง TensorFlow สำเร็จแล้ว
ตรวจสอบการตั้งค่า GPU:
python -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"
หากส่งคืนรายการอุปกรณ์ GPU แสดงว่าคุณติดตั้ง TensorFlow สำเร็จแล้ว
วินโดวส์ WSL2
1. ความต้องการของระบบ
- Windows 10 19044 หรือสูงกว่า (64 บิต) ซึ่งสอดคล้องกับ Windows 10 เวอร์ชัน 21H2 ซึ่งเป็นการอัปเดตเดือนพฤศจิกายน 2021
ดูเอกสารต่อไปนี้เพื่อ:
2. การตั้งค่า GPU
คุณสามารถข้ามส่วนนี้ได้หากคุณเรียกใช้ TensorFlow บน CPU เท่านั้น
ติดตั้ง ไดรเวอร์ NVIDIA GPU หากคุณยังไม่ได้ติดตั้ง คุณสามารถใช้คำสั่งต่อไปนี้เพื่อตรวจสอบว่ามีการติดตั้งแล้ว
nvidia-smi
3. ติดตั้ง TensorFlow
TensorFlow ต้องใช้ pip เวอร์ชันล่าสุด ดังนั้นควรอัปเกรดการติดตั้ง pip เพื่อให้แน่ใจว่าคุณกำลังใช้เวอร์ชันล่าสุด
pip install --upgrade pip
จากนั้นติดตั้ง TensorFlow ด้วย pip
# For GPU users
pip install tensorflow[and-cuda]
# For CPU users
pip install tensorflow
4. ตรวจสอบการติดตั้ง
ตรวจสอบการตั้งค่า CPU:
python3 -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"
หากส่งคืนเทนเซอร์ แสดงว่าคุณติดตั้ง TensorFlow สำเร็จแล้ว
ตรวจสอบการตั้งค่า GPU:
python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"
หากส่งคืนรายการอุปกรณ์ GPU แสดงว่าคุณติดตั้ง TensorFlow สำเร็จแล้ว
ตำแหน่งแพ็คเกจ
กลไกการติดตั้งบางอย่างจำเป็นต้องมี URL ของแพ็คเกจ TensorFlow Python ค่าที่คุณระบุจะขึ้นอยู่กับเวอร์ชัน Python ของคุณ