TensorFlow 2-Pakete sind verfügbar
-
tensorflow
-latest stabile Version mit CPU und GPU - Unterstützung (Ubuntu und Windows) -
tf-nightly
-Vorschau Build (instabil). Ubuntu und Windows sind GPU - Unterstützung .
Ältere Versionen von TensorFlow
Für TensorFlow 1.x sind CPU- und GPU-Pakete getrennt:
-
tensorflow==1.15
-Release für CPU-only -
tensorflow-gpu==1.15
-Release mit GPU - Unterstützung (Ubuntu und Windows)
System Anforderungen
- Python 3.6–3.9
- Die Unterstützung von Python 3.9 erfordert TensorFlow 2.5 oder höher.
- Die Unterstützung von Python 3.8 erfordert TensorFlow 2.2 oder höher.
- pip 19.0 oder höher (erfordert
manylinux2010
Unterstützung) - Ubuntu 16.04 oder höher (64-Bit)
- macOS 10.12.6 (Sierra) oder später (64-Bit) (keine GPU Unterstützung)
- macOS erfordert pip 20.3 oder höher
- Windows 7 oder höher (64-Bit)
- GPU - Unterstützung erfordert eine CUDA®-fähige Karte (Ubuntu und Windows)
Hardware-Anforderungen
- Beginnend mit TensorFlow 1.6, Binärdateien verwenden AVX Anweisungen , die auf älteren CPUs nicht ausgeführt werden kann.
- Lesen Sie die GPU - Unterstützung Führung eine CUDA®-fähige GPU - Karte auf Ubuntu oder Windows einzurichten.
1. Installieren Sie die Python-Entwicklungsumgebung auf Ihrem System
Überprüfen Sie, ob Ihre Python-Umgebung bereits konfiguriert ist:
python3 --version
pip3 --version
Wenn diese Pakete bereits installiert sind, fahren Sie mit dem nächsten Schritt fort.
Andernfalls installiert Python , den pip Paket - Manager , und Venv :
Ubuntu
sudo apt update
sudo apt install python3-dev python3-pip python3-venv
Mac OS
Installieren Sie das mit Homebrew Paket - Manager:
/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
Fenster
Installieren Sie das Microsoft Visual C ++ Redistributable für Visual Studio 2015, 2017 und 2019. Beginnend mit der TensorFlow 2.1.0 Version, die msvcp140_1.dll
wird Datei aus diesem Paket benötigt (die von älteren verteilbaren Paketen kann nicht zur Verfügung gestellt werden). Die verteilbare kommt mit Visual Studio 2019, kann aber separat installiert werden:
- Gehen Sie auf die Microsoft Visual C ++ Downloads ,
- Blättern Sie in der Seite zu dem Visual Studio 2015, 2017 und 2019 Abschnitt.
- Herunterladen und Installieren des Microsoft Visual C ++ Redistributable für Visual Studio 2015, 2017 und 2019 für Ihre Plattform.
Achten Sie darauf , lange Wege aktiviert unter Windows.
Installieren Sie die 64-Bit - Python 3 - pip
Release für Windows (wählen Sie pip
als optionales Feature).
Sonstiges
curl https://bootstrap.pypa.io/get-pip.py -o get-pip.py
python get-pip.py
2. Erstellen Sie eine virtuelle Umgebung (empfohlen)
Virtuelle Python-Umgebungen werden verwendet, um die Paketinstallation vom System zu isolieren.
Ubuntu / macOS
Erstellen Sie eine neue virtuelle Umgebung durch eine Python - Interpreter Auswahl und machen ./venv
Verzeichnis es zu halten:
python3 -m venv --system-site-packages ./venv
Aktivieren Sie die virtuelle Umgebung mit einem Shell-spezifischen Befehl:
source ./venv/bin/activate # sh, bash, or zsh
. ./venv/bin/activate.fish # fish
source ./venv/bin/activate.csh # csh or tcsh
Wenn die virtuelle Umgebung aktiv ist, wird Ihre Shell - Prompt mit dem Präfix (venv)
.
Installieren Sie Pakete in einer virtuellen Umgebung, ohne das Hostsystem-Setup zu beeinträchtigen. Beginnen Sie mit der Modernisierung pip
:
pip install --upgrade pip
pip list # show packages installed within the virtual environment
Und um die virtuelle Umgebung später zu verlassen:
deactivate # don't exit until you're done using TensorFlow
Fenster
Erstellen Sie eine neue virtuelle Umgebung durch ein Python - Interpreter der Auswahl und ein .\venv
Verzeichnis zu halten:
python -m venv --system-site-packages .\venv
Aktivieren Sie die virtuelle Umgebung:
.\venv\Scripts\activate
Installieren Sie Pakete in einer virtuellen Umgebung, ohne das Hostsystem-Setup zu beeinträchtigen. Beginnen Sie mit der Modernisierung pip
:
pip install --upgrade pip
pip list # show packages installed within the virtual environment
Und um die virtuelle Umgebung später zu verlassen:
deactivate # don't exit until you're done using TensorFlow
Conda
Während die TensorFlow vorgesehen Pip - Paket wird empfohlen, eine von der Community unterstützt Anaconda - Paket zur Verfügung. So installieren, lesen Sie die Anleitung Anaconda TensorFlow .
3. Installieren Sie das TensorFlow-Pip-Paket
Wählen Sie eine der folgenden TensorFlow Pakete zu installieren , von PyPI :
-
tensorflow
-latest stabile Version mit CPU und GPU - Unterstützung (Ubuntu und Windows). -
tf-nightly
-Vorschau Build (instabil). Ubuntu und Windows sind GPU - Unterstützung . -
tensorflow==1.15
-Die endgültige Version von TensorFlow 1.x
Virtuelle Umgebung installieren
pip install --upgrade tensorflow
Überprüfen Sie die Installation:
python -c "import tensorflow as tf;print(tf.reduce_sum(tf.random.normal([1000, 1000])))"
Systeminstallation
pip3 install --user --upgrade tensorflow # install in $HOME
Überprüfen Sie die Installation:
python3 -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"
Paketstandort
Einige Installationsmechanismen erfordern die URL des TensorFlow Python-Pakets. Der von Ihnen angegebene Wert hängt von Ihrer Python-Version ab.
Ausführung | URL |
---|---|
Linux | |
Python 3.6-GPU-Unterstützung | https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-2.6.0-cp36-cp36m-manylinux2010_x86_64.whl |
Nur Python 3.6 CPU | https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow_cpu-2.6.0-cp36-cp36m-manylinux2010_x86_64.whl |
Python 3.7-GPU-Unterstützung | https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-2.6.0-cp37-cp37m-manylinux2010_x86_64.whl |
Nur Python 3.7 CPU | https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow_cpu-2.6.0-cp37-cp37m-manylinux2010_x86_64.whl |
Python 3.8-GPU-Unterstützung | https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-2.6.0-cp38-cp38-manylinux2010_x86_64.whl |
Nur Python 3.8 CPU | https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow_cpu-2.6.0-cp38-cp38-manylinux2010_x86_64.whl |
Python 3.9-GPU-Unterstützung | https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-2.6.0-cp39-cp39-manylinux2010_x86_64.whl |
Nur Python 3.9 CPU | https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow_cpu-2.6.0-cp39-cp39-manylinux2010_x86_64.whl |
macOS (nur 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 |
Fenster | |
Python 3.6-GPU-Unterstützung | https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-2.6.0-cp36-cp36m-win_amd64.whl |
Nur Python 3.6 CPU | https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow_cpu-2.6.0-cp36-cp36m-win_amd64.whl |
Python 3.7-GPU-Unterstützung | https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-2.6.0-cp37-cp37m-win_amd64.whl |
Nur Python 3.7 CPU | https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow_cpu-2.6.0-cp37-cp37m-win_amd64.whl |
Python 3.8-GPU-Unterstützung | https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-2.6.0-cp38-cp38-win_amd64.whl |
Nur Python 3.8 CPU | https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow_cpu-2.6.0-cp38-cp38-win_amd64.whl |
Python 3.9-GPU-Unterstützung | https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-2.6.0-cp39-cp39-win_amd64.whl |
Nur Python 3.9 CPU | https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow_cpu-2.6.0-cp39-cp39-win_amd64.whl |