पाइप के साथ TensorFlow स्थापित करें

लिनक्स

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'))"

मैक ओएस

# 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])))"

विंडोज नेटिव

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'))"

विंडोज 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])))"

हर रात को

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

लिनक्स

1. सिस्टम आवश्यकताएँ

• उबंटू 16.04 या उच्चतर (64-बिट)

TensorFlow केवल आधिकारिक तौर पर Ubuntu का समर्थन करता है। हालाँकि, निम्नलिखित निर्देश अन्य लिनक्स डिस्ट्रोस के लिए भी काम कर सकते हैं।

2. मिनिकोंडा स्थापित करें

GPU समर्थन के साथ TensorFlow को स्थापित करने के लिए मिनिकोंडा अनुशंसित दृष्टिकोण है। यह आपके सिस्टम में स्थापित किसी भी सॉफ़्टवेयर को बदलने से बचने के लिए एक अलग वातावरण बनाता है। विशेष रूप से जीपीयू सेटअप के लिए आवश्यक सॉफ़्टवेयर स्थापित करने का यह सबसे आसान तरीका भी है।

मिनिकोंडा को स्थापित करने के लिए आप निम्न कमांड का उपयोग कर सकते हैं। स्थापना के दौरान, आपको एंटर दबाने और "हां" टाइप करने की आवश्यकता हो सकती है।

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 कमांड को सक्षम करने के लिए आपको अपने टर्मिनल या source ~/.bashrc पुनरारंभ करने की आवश्यकता हो सकती है। यह सफलतापूर्वक स्थापित होने पर परीक्षण करने के लिए conda -V का उपयोग करें।

3. एक कोंडा वातावरण बनाएँ

निम्नलिखित कमांड के साथ tf नाम का एक नया कोंडा वातावरण बनाएँ।

conda create --name tf python=3.9

आप इसे निम्न आदेशों से निष्क्रिय और सक्रिय कर सकते हैं।

conda deactivate
conda activate tf

सुनिश्चित करें कि यह शेष स्थापना के लिए सक्रिय है।

4. जीपीयू सेटअप

यदि आप केवल CPU पर TensorFlow चलाते हैं तो आप इस अनुभाग को छोड़ सकते हैं।

यदि आपने नहीं किया है तो पहले NVIDIA GPU ड्राइवर स्थापित करें। इसे स्थापित करने के लिए आप निम्न कमांड का उपयोग कर सकते हैं।

nvidia-smi

फिर CUDA और cuDNN को कोंडा और पाइप के साथ इंस्टॉल करें।

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

सिस्टम पथ कॉन्फ़िगर करें। हर बार जब आप अपने कोंडा वातावरण को सक्रिय करने के बाद एक नया टर्मिनल शुरू करते हैं, तो आप निम्न कमांड के साथ ऐसा कर सकते हैं।

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

आपकी सुविधा के लिए यह अनुशंसा की जाती है कि आप इसे निम्न आदेशों से स्वचालित करें। जब आप इस कोंडा वातावरण को सक्रिय करते हैं तो सिस्टम पथ स्वचालित रूप से कॉन्फ़िगर हो जाएगा।

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. टेंसरफ्लो स्थापित करें

TensorFlow को पाइप के हाल के संस्करण की आवश्यकता है, इसलिए यह सुनिश्चित करने के लिए कि आप नवीनतम संस्करण चला रहे हैं, अपनी पाइप स्थापना को अपग्रेड करें।

pip install --upgrade pip

फिर, पाइप के साथ TensorFlow इंस्टॉल करें।

pip install tensorflow==2.12.*

6. इंस्टॉल सत्यापित करें

सीपीयू सेटअप सत्यापित करें:

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

यदि एक टेंसर वापस आ जाता है, तो आपने TensorFlow को सफलतापूर्वक स्थापित कर लिया है।

GPU सेटअप सत्यापित करें:

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

यदि GPU उपकरणों की सूची वापस आ जाती है, तो आपने TensorFlow को सफलतापूर्वक स्थापित कर लिया है।

उबंटू 22.04

Ubuntu 22.04 में, आप निम्न त्रुटि का सामना कर सकते हैं:

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]

इस त्रुटि को ठीक करने के लिए, आपको निम्न आदेशों को चलाने की आवश्यकता होगी।

# 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/

मैक ओएस

1. सिस्टम आवश्यकताएँ

• macOS 10.12.6 (सिएरा) या उच्चतर (64-बिट)

वर्तमान में MacOS पर TensorFlow चलाने के लिए कोई आधिकारिक GPU समर्थन नहीं है। निम्नलिखित निर्देश सीपीयू पर चलने के लिए हैं।

2. पायथन संस्करण की जाँच करें

जांचें कि क्या आपका पायथन पर्यावरण पहले से ही कॉन्फ़िगर किया गया है:

python3 --version
python3 -m pip --version

2. मिनिकोंडा स्थापित करें

GPU समर्थन के साथ TensorFlow को स्थापित करने के लिए मिनिकोंडा अनुशंसित दृष्टिकोण है। यह आपके सिस्टम में स्थापित किसी भी सॉफ़्टवेयर को बदलने से बचने के लिए एक अलग वातावरण बनाता है। विशेष रूप से जीपीयू सेटअप के लिए आवश्यक सॉफ़्टवेयर स्थापित करने का यह सबसे आसान तरीका भी है।

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 कमांड को सक्षम करने के लिए आपको अपने टर्मिनल या source ~/.bashrc पुनरारंभ करने की आवश्यकता हो सकती है। यह सफलतापूर्वक स्थापित होने पर परीक्षण करने के लिए conda -V का उपयोग करें।

4. एक कोंडा वातावरण बनाएँ

निम्नलिखित कमांड के साथ tf नाम का एक नया कोंडा वातावरण बनाएँ।

conda create --name tf python=3.9

आप इसे निम्न आदेशों से निष्क्रिय और सक्रिय कर सकते हैं।

conda deactivate
conda activate tf

सुनिश्चित करें कि यह शेष स्थापना के लिए सक्रिय है।

5. टेंसरफ्लो स्थापित करें

TensorFlow को पाइप के हाल के संस्करण की आवश्यकता है, इसलिए यह सुनिश्चित करने के लिए कि आप नवीनतम संस्करण चला रहे हैं, अपनी पाइप स्थापना को अपग्रेड करें।

pip install --upgrade pip

फिर, पाइप के साथ TensorFlow इंस्टॉल करें।

pip install tensorflow

6. इंस्टॉल सत्यापित करें

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

यदि एक टेंसर वापस आ जाता है, तो आपने TensorFlow को सफलतापूर्वक स्थापित कर लिया है।

विंडोज नेटिव

1. सिस्टम आवश्यकताएँ

• विंडोज 7 या उच्चतर (64-बिट)

2. माइक्रोसॉफ्ट विज़ुअल सी ++ पुनर्वितरण योग्य स्थापित करें

Visual Studio 2015, 2017 और 2019 के लिए Microsoft Visual C++ पुनर्वितरण योग्य स्थापित करें। TensorFlow 2.1.0 संस्करण से प्रारंभ करते हुए, इस पैकेज से msvcp140_1.dll फ़ाइल आवश्यक है (जो पुराने पुनर्वितरण योग्य पैकेजों से प्रदान नहीं की जा सकती है)। पुनर्वितरण योग्य विजुअल स्टूडियो 2019 के साथ आता है लेकिन इसे अलग से स्थापित किया जा सकता है:

1. Microsoft Visual C++ डाउनलोड पर जाएं।
2. पेज को विजुअल स्टूडियो 2015, 2017 और 2019 सेक्शन तक स्क्रॉल करें।
3. अपने प्लेटफ़ॉर्म के लिए Visual Studio 2015, 2017 और 2019 के लिए Microsoft Visual C++ Redistributable को डाउनलोड और इंस्टॉल करें।

सुनिश्चित करें कि विंडोज़ पर लंबे पथ सक्षम हैं ।

3. मिनिकोंडा स्थापित करें

GPU समर्थन के साथ TensorFlow को स्थापित करने के लिए मिनिकोंडा अनुशंसित दृष्टिकोण है। यह आपके सिस्टम में स्थापित किसी भी सॉफ़्टवेयर को बदलने से बचने के लिए एक अलग वातावरण बनाता है। विशेष रूप से जीपीयू सेटअप के लिए आवश्यक सॉफ़्टवेयर स्थापित करने का यह सबसे आसान तरीका भी है।

मिनिकोंडा विंडोज इंस्टालर डाउनलोड करें। डाउनलोड की गई फ़ाइल पर डबल-क्लिक करें और स्क्रीन पर दिए गए निर्देशों का पालन करें।

4. एक कोंडा वातावरण बनाएँ

निम्नलिखित कमांड के साथ tf नाम का एक नया कोंडा वातावरण बनाएँ।

conda create --name tf python=3.9

आप इसे निम्न आदेशों से निष्क्रिय और सक्रिय कर सकते हैं।

conda deactivate
conda activate tf

सुनिश्चित करें कि यह शेष स्थापना के लिए सक्रिय है।

5. जीपीयू सेटअप

यदि आप केवल CPU पर TensorFlow चलाते हैं तो आप इस अनुभाग को छोड़ सकते हैं।

यदि आपने नहीं किया है तो पहले NVIDIA GPU ड्राइवर स्थापित करें।

फिर CUDA, cuDNN को कोंडा के साथ इंस्टॉल करें।

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

6. टेंसरफ्लो स्थापित करें

TensorFlow को पाइप के हाल के संस्करण की आवश्यकता है, इसलिए यह सुनिश्चित करने के लिए कि आप नवीनतम संस्करण चला रहे हैं, अपनी पाइप स्थापना को अपग्रेड करें।

pip install --upgrade pip

फिर, पाइप के साथ TensorFlow इंस्टॉल करें।

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

7. इंस्टॉल सत्यापित करें

सीपीयू सेटअप सत्यापित करें:

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

यदि एक टेंसर वापस आ जाता है, तो आपने TensorFlow को सफलतापूर्वक स्थापित कर लिया है।

GPU सेटअप सत्यापित करें:

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

यदि GPU उपकरणों की सूची वापस आ जाती है, तो आपने TensorFlow को सफलतापूर्वक स्थापित कर लिया है।

विंडोज WSL2

1. सिस्टम आवश्यकताएँ

• विंडोज 10 19044 या उच्चतर (64-बिट)। यह विंडोज 10 वर्जन 21H2, नवंबर 2021 अपडेट के अनुरूप है।

इसके लिए निम्नलिखित दस्तावेज़ देखें:

• नवीनतम विंडोज 10 अपडेट डाउनलोड करें ।
• WSL2 स्थापित करें
• WSL2 में सेटअप NVIDIA® GPU समर्थन

2. मिनिकोंडा स्थापित करें

GPU समर्थन के साथ TensorFlow को स्थापित करने के लिए मिनिकोंडा अनुशंसित दृष्टिकोण है। यह आपके सिस्टम में स्थापित किसी भी सॉफ़्टवेयर को बदलने से बचने के लिए एक अलग वातावरण बनाता है। विशेष रूप से जीपीयू सेटअप के लिए आवश्यक सॉफ़्टवेयर स्थापित करने का यह सबसे आसान तरीका भी है।

मिनिकोंडा को स्थापित करने के लिए आप निम्न कमांड का उपयोग कर सकते हैं। स्थापना के दौरान, आपको एंटर दबाने और "हां" टाइप करने की आवश्यकता हो सकती है।

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 कमांड को सक्षम करने के लिए आपको अपने टर्मिनल या source ~/.bashrc पुनरारंभ करने की आवश्यकता हो सकती है। यह सफलतापूर्वक स्थापित होने पर परीक्षण करने के लिए conda -V का उपयोग करें।

3. एक कोंडा वातावरण बनाएँ

निम्नलिखित कमांड के साथ tf नाम का एक नया कोंडा वातावरण बनाएँ।

conda create --name tf python=3.9

आप इसे निम्न आदेशों से निष्क्रिय और सक्रिय कर सकते हैं।

conda deactivate
conda activate tf

सुनिश्चित करें कि यह शेष स्थापना के लिए सक्रिय है।

4. जीपीयू सेटअप

यदि आप केवल CPU पर TensorFlow चलाते हैं तो आप इस अनुभाग को छोड़ सकते हैं।

यदि आपने नहीं किया है तो पहले NVIDIA GPU ड्राइवर स्थापित करें। इसे स्थापित करने के लिए आप निम्न कमांड का उपयोग कर सकते हैं।

nvidia-smi

फिर CUDA और cuDNN को कोंडा और पाइप के साथ इंस्टॉल करें।

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

सिस्टम पथ कॉन्फ़िगर करें। आप अपने कोंडा पर्यावरण को सक्रिय करने के बाद हर बार एक नया टर्मिनल शुरू करने के बाद निम्न आदेश के साथ कर सकते हैं।

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

आपकी सुविधा के लिए यह अनुशंसा की जाती है कि आप इसे निम्न आदेशों से स्वचालित करें। जब आप इस कोंडा वातावरण को सक्रिय करते हैं तो सिस्टम पथ स्वचालित रूप से कॉन्फ़िगर हो जाएगा।

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. टेंसरफ्लो स्थापित करें

TensorFlow को पाइप के हाल के संस्करण की आवश्यकता है, इसलिए यह सुनिश्चित करने के लिए कि आप नवीनतम संस्करण चला रहे हैं, अपनी पाइप स्थापना को अपग्रेड करें।

pip install --upgrade pip

फिर, पाइप के साथ TensorFlow इंस्टॉल करें।

pip install tensorflow==2.12.*

6. इंस्टॉल सत्यापित करें

सीपीयू सेटअप सत्यापित करें:

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

यदि एक टेंसर वापस आ जाता है, तो आपने TensorFlow को सफलतापूर्वक स्थापित कर लिया है।

GPU सेटअप सत्यापित करें:

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

यदि GPU उपकरणों की सूची वापस आ जाती है, तो आपने TensorFlow को सफलतापूर्वक स्थापित कर लिया है।