قم بتثبيت TensorFlow مع النقطة

لينكس

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'))"

ماك

# 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])))"

نظام التشغيل Windows الأصلي

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'))"

نظام التشغيل 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.*
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'))"

وحدة المعالجة المركزية

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

ليلا

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

لينكس

1. متطلبات النظام

• Ubuntu 16.04 أو أعلى (64 بت)

TensorFlow يدعم Ubuntu رسميًا فقط. ومع ذلك ، قد تعمل الإرشادات التالية أيضًا مع توزيعات Linux الأخرى.

2. تثبيت Miniconda

Miniconda هي الطريقة الموصى بها لتثبيت TensorFlow مع دعم وحدة معالجة الرسومات. يقوم بإنشاء بيئة منفصلة لتجنب تغيير أي برنامج مثبت في نظامك. هذه أيضًا أسهل طريقة لتثبيت البرنامج المطلوب خاصة لإعداد GPU.

يمكنك استخدام الأمر التالي لتثبيت Miniconda. أثناء التثبيت ، قد تحتاج إلى الضغط على إدخال واكتب "نعم".

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

قد تحتاج إلى إعادة تشغيل الجهاز الطرفي أو source ~/.bashrc لتمكين أمر conda . استخدم conda -V لاختبار ما إذا كان قد تم تثبيته بنجاح.

3. إنشاء بيئة كوندا

قم بإنشاء بيئة conda جديدة تسمى tf باستخدام الأمر التالي.

conda create --name tf python=3.9

يمكنك إلغاء تنشيطه وتنشيطه بالأوامر التالية.

conda deactivate
conda activate tf

تأكد من تنشيطه لبقية التثبيت.

4. إعداد GPU

يمكنك تخطي هذا القسم إذا قمت بتشغيل TensorFlow على وحدة المعالجة المركزية فقط.

قم أولاً بتثبيت برنامج تشغيل NVIDIA GPU إذا لم تقم بذلك. يمكنك استخدام الأمر التالي للتحقق من تثبيته.

nvidia-smi

ثم قم بتثبيت CUDA و cuDNN مع conda و pip.

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

تكوين مسارات النظام. يمكنك القيام بذلك باستخدام الأمر التالي في كل مرة تبدأ فيها تشغيل محطة طرفية جديدة بعد تنشيط بيئة conda الخاصة بك.

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

لراحتك ، يوصى بأتمتة الأمر باستخدام الأوامر التالية. سيتم تكوين مسارات النظام تلقائيًا عند تنشيط بيئة conda هذه.

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. قم بتثبيت TensorFlow

يتطلب TensorFlow إصدارًا حديثًا من النقطة ، لذا قم بترقية تثبيت النقطة لديك للتأكد من أنك تقوم بتشغيل أحدث إصدار.

pip install --upgrade pip

ثم قم بتثبيت TensorFlow مع نقطة.

pip install tensorflow==2.12.*

6. تحقق من التثبيت

تحقق من إعداد وحدة المعالجة المركزية:

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

إذا تم إرجاع موتر ، فقد قمت بتثبيت TensorFlow بنجاح.

تحقق من إعداد GPU:

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

إذا تم إرجاع قائمة بأجهزة GPU ، فهذا يعني أنك قمت بتثبيت TensorFlow بنجاح.

نظام التشغيل Ubuntu 22.04.2019

في Ubuntu 22.04 ، قد تواجه الخطأ التالي:

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]

لإصلاح هذا الخطأ ، ستحتاج إلى تشغيل الأوامر التالية.

# 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/

ماك

1. متطلبات النظام

• macOS 10.12.6 (Sierra) أو أعلى (64 بت)

لا يوجد حاليًا دعم GPU رسمي لتشغيل TensorFlow على MacOS. فيما يلي التعليمات الخاصة بالتشغيل على وحدة المعالجة المركزية.

2. تحقق من إصدار بايثون

تحقق مما إذا كانت بيئة Python قد تم تكوينها بالفعل:

python3 --version
python3 -m pip --version

2. تثبيت Miniconda

Miniconda هي الطريقة الموصى بها لتثبيت TensorFlow مع دعم وحدة معالجة الرسومات. يقوم بإنشاء بيئة منفصلة لتجنب تغيير أي برنامج مثبت في نظامك. هذه أيضًا أسهل طريقة لتثبيت البرنامج المطلوب خاصة لإعداد 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

قد تحتاج إلى إعادة تشغيل الجهاز الطرفي أو source ~/.bashrc لتمكين أمر conda . استخدم conda -V لاختبار ما إذا كان قد تم تثبيته بنجاح.

4. إنشاء بيئة كوندا

قم بإنشاء بيئة conda جديدة تسمى tf باستخدام الأمر التالي.

conda create --name tf python=3.9

يمكنك إلغاء تنشيطه وتنشيطه بالأوامر التالية.

conda deactivate
conda activate tf

تأكد من تنشيطه لبقية التثبيت.

5. قم بتثبيت TensorFlow

يتطلب TensorFlow إصدارًا حديثًا من النقطة ، لذا قم بترقية تثبيت النقطة لديك للتأكد من أنك تقوم بتشغيل أحدث إصدار.

pip install --upgrade pip

ثم قم بتثبيت TensorFlow مع نقطة.

pip install tensorflow

6. تحقق من التثبيت

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

إذا تم إرجاع موتر ، فقد قمت بتثبيت TensorFlow بنجاح.

نظام التشغيل Windows الأصلي

1. متطلبات النظام

• Windows 7 أو أعلى (64 بت)

2. قم بتثبيت Microsoft Visual C ++ Redistributable

قم بتثبيت Microsoft Visual C ++ Redistributable لـ Visual Studio 2015 و 2017 و 2019 . بدءًا من إصدار TensorFlow 2.1.0 ، يكون ملف msvcp140_1.dll مطلوبًا من هذه الحزمة (والذي قد لا يتوفر من الحزم القديمة القابلة لإعادة التوزيع). تأتي القابلة لإعادة التوزيع مع Visual Studio 2019 ولكن يمكن تثبيتها بشكل منفصل:

1. انتقل إلى تنزيلات Microsoft Visual C ++ .
2. قم بالتمرير لأسفل الصفحة إلى قسم Visual Studio 2015 و 2017 و 2019 .
3. قم بتنزيل وتثبيت Microsoft Visual C ++ Redistributable لـ Visual Studio 2015 و 2017 و 2019 للنظام الأساسي الخاص بك.

تأكد من تمكين المسارات الطويلة على Windows.

3. تثبيت Miniconda

Miniconda هي الطريقة الموصى بها لتثبيت TensorFlow مع دعم وحدة معالجة الرسومات. يقوم بإنشاء بيئة منفصلة لتجنب تغيير أي برنامج مثبت في نظامك. هذه أيضًا أسهل طريقة لتثبيت البرنامج المطلوب خاصة لإعداد GPU.

قم بتنزيل Miniconda Windows Installer . انقر نقرًا مزدوجًا فوق الملف الذي تم تنزيله واتبع التعليمات التي تظهر على الشاشة.

4. إنشاء بيئة كوندا

قم بإنشاء بيئة conda جديدة تسمى tf باستخدام الأمر التالي.

conda create --name tf python=3.9

يمكنك إلغاء تنشيطه وتنشيطه بالأوامر التالية.

conda deactivate
conda activate tf

تأكد من تنشيطه لبقية التثبيت.

5. إعداد GPU

يمكنك تخطي هذا القسم إذا قمت بتشغيل TensorFlow على وحدة المعالجة المركزية فقط.

قم أولاً بتثبيت برنامج تشغيل NVIDIA GPU إذا لم تقم بذلك.

ثم قم بتثبيت CUDA ، cuDNN مع conda.

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

6. قم بتثبيت TensorFlow

يتطلب TensorFlow إصدارًا حديثًا من النقطة ، لذا قم بترقية تثبيت النقطة لديك للتأكد من أنك تقوم بتشغيل أحدث إصدار.

pip install --upgrade pip

ثم قم بتثبيت TensorFlow مع نقطة.

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

7. تحقق من التثبيت

تحقق من إعداد وحدة المعالجة المركزية:

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

إذا تم إرجاع موتر ، فقد قمت بتثبيت TensorFlow بنجاح.

تحقق من إعداد GPU:

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

إذا تم إرجاع قائمة بأجهزة GPU ، فهذا يعني أنك قمت بتثبيت TensorFlow بنجاح.

نظام التشغيل Windows WSL2

1. متطلبات النظام

• Windows 10 19044 أو أعلى (64 بت). يتوافق هذا مع إصدار Windows 10 21H2 ، تحديث نوفمبر 2021.

راجع المستندات التالية من أجل:

• قم بتنزيل آخر تحديث لنظام Windows 10 .
• قم بتثبيت WSL2
• قم بإعداد دعم NVIDIA® GPU في WSL2

2. تثبيت Miniconda

Miniconda هي الطريقة الموصى بها لتثبيت TensorFlow مع دعم وحدة معالجة الرسومات. يقوم بإنشاء بيئة منفصلة لتجنب تغيير أي برنامج مثبت في نظامك. هذه أيضًا أسهل طريقة لتثبيت البرنامج المطلوب خاصة لإعداد GPU.

يمكنك استخدام الأمر التالي لتثبيت Miniconda. أثناء التثبيت ، قد تحتاج إلى الضغط على إدخال واكتب "نعم".

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

قد تحتاج إلى إعادة تشغيل الجهاز الطرفي أو source ~/.bashrc لتمكين أمر conda . استخدم conda -V لاختبار ما إذا كان قد تم تثبيته بنجاح.

3. إنشاء بيئة كوندا

قم بإنشاء بيئة conda جديدة تسمى tf باستخدام الأمر التالي.

conda create --name tf python=3.9

يمكنك إلغاء تنشيطه وتنشيطه بالأوامر التالية.

conda deactivate
conda activate tf

تأكد من تنشيطه لبقية التثبيت.

4. إعداد GPU

يمكنك تخطي هذا القسم إذا قمت بتشغيل TensorFlow على وحدة المعالجة المركزية فقط.

قم أولاً بتثبيت برنامج تشغيل NVIDIA GPU إذا لم تقم بذلك. يمكنك استخدام الأمر التالي للتحقق من تثبيته.

nvidia-smi

ثم قم بتثبيت CUDA و cuDNN مع conda و pip.

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

تكوين مسارات النظام. يمكنك القيام بذلك باستخدام الأمر التالي في كل مرة تبدأ فيها محطة طرفية جديدة بعد تنشيط بيئة conda الخاصة بك.

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

لراحتك ، يوصى بأتمتة الأمر باستخدام الأوامر التالية. سيتم تكوين مسارات النظام تلقائيًا عند تنشيط بيئة conda هذه.

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. قم بتثبيت TensorFlow

يتطلب TensorFlow إصدارًا حديثًا من النقطة ، لذا قم بترقية تثبيت النقطة لديك للتأكد من أنك تقوم بتشغيل أحدث إصدار.

pip install --upgrade pip

ثم قم بتثبيت TensorFlow مع نقطة.

pip install tensorflow==2.12.*

6. تحقق من التثبيت

تحقق من إعداد وحدة المعالجة المركزية:

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

إذا تم إرجاع موتر ، فقد قمت بتثبيت TensorFlow بنجاح.

تحقق من إعداد GPU:

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

إذا تم إرجاع قائمة بأجهزة GPU ، فهذا يعني أنك قمت بتثبيت TensorFlow بنجاح.