Esta guía es para la última versión estable de TensorFlow. Para la compilación de vista previa (nightly) , use el paquete pip llamado tf-nightly
. Consulte estas tablas para conocer los requisitos de versiones anteriores de TensorFlow. Para la compilación solo de CPU, use el paquete pip denominado tensorflow-cpu
.
Aquí están las versiones rápidas de los comandos de instalación. Desplácese hacia abajo para ver las instrucciones paso a paso.
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 de 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'))"
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'))"
UPC
python3 -m pip install tensorflow
# Verify install:
python3 -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"
Nocturno
python3 -m pip install tf-nightly
# Verify install:
python3 -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"
Requisitos de hardware
Se admiten los siguientes dispositivos habilitados para GPU:
- Tarjeta NVIDIA® GPU con arquitecturas CUDA® 3.5, 5.0, 6.0, 7.0, 7.5, 8.0 y superior. Consulte la lista de tarjetas GPU habilitadas para CUDA® .
- Para GPU con arquitecturas CUDA® no compatibles, o para evitar la compilación JIT desde PTX, o para usar diferentes versiones de las bibliotecas NVIDIA®, consulte la guía de compilación desde el origen de Linux .
- Los paquetes no contienen código PTX excepto para la última arquitectura CUDA® admitida; por lo tanto, TensorFlow no se carga en GPU más antiguas cuando se configura
CUDA_FORCE_PTX_JIT=1
. (Consulte Compatibilidad de aplicaciones para obtener más información).
Requisitos del sistema
- Ubuntu 16.04 o superior (64 bits)
- macOS 10.12.6 (Sierra) o superior (64 bits) (sin compatibilidad con GPU)
- Windows nativo: Windows 7 o superior (64 bits) (sin compatibilidad con GPU después de TF 2.10)
- Windows WSL2: Windows 10 19044 o superior (64 bits)
Requisitos de Software
- Pitón 3.8–3.11
- pip versión 19.0 o superior para Linux (requiere compatibilidad
manylinux2014
) y Windows. pip versión 20.3 o superior para macOS. - Windows Native requiere Microsoft Visual C++ Redistributable para Visual Studio 2015, 2017 y 2019
El siguiente software NVIDIA® solo es necesario para la compatibilidad con GPU.
- Controladores de GPU NVIDIA® versión 450.80.02 o superior.
- Juego de herramientas CUDA® 11.8 .
- cuDNN SDK 8.6.0 .
- (Opcional) TensorRT para mejorar la latencia y el rendimiento de la inferencia.
Instrucciones paso a paso
linux
1. Requisitos del sistema
- Ubuntu 16.04 o superior (64 bits)
TensorFlow solo admite oficialmente Ubuntu. Sin embargo, las siguientes instrucciones también pueden funcionar para otras distribuciones de Linux.
2. Instalar Miniconda
Miniconda es el enfoque recomendado para instalar TensorFlow con compatibilidad con GPU. Crea un entorno separado para evitar cambiar cualquier software instalado en su sistema. Esta es también la forma más fácil de instalar el software necesario, especialmente para la configuración de la GPU.
Puede usar el siguiente comando para instalar Miniconda. Durante la instalación, es posible que deba presionar Intro y escribir "sí".
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
Es posible que deba reiniciar su terminal o source ~/.bashrc
para habilitar el comando conda
. Use conda -V
para probar si se instaló correctamente.
3. Crea un ambiente tranquilo
Cree un nuevo entorno conda llamado tf
con el siguiente comando.
conda create --name tf python=3.9
Puedes desactivarlo y activarlo con los siguientes comandos.
conda deactivate
conda activate tf
Asegúrese de que esté activado para el resto de la instalación.
4. Configuración de la GPU
Puede omitir esta sección si solo ejecuta TensorFlow en la CPU.
Primero instale el controlador NVIDIA GPU si no lo ha hecho. Puede usar el siguiente comando para verificar que esté instalado.
nvidia-smi
Luego instale CUDA y cuDNN con conda y pip.
conda install -c conda-forge cudatoolkit=11.8.0
pip install nvidia-cudnn-cu11==8.6.0.163
Configure las rutas del sistema. Puede hacerlo con el siguiente comando cada vez que inicie una nueva terminal después de activar su entorno 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
Para su comodidad, se recomienda que lo automatice con los siguientes comandos. Las rutas del sistema se configurarán automáticamente cuando active este entorno 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. Instalar TensorFlow
TensorFlow requiere una versión reciente de pip, así que actualice su instalación de pip para asegurarse de que está ejecutando la última versión.
pip install --upgrade pip
Luego, instala TensorFlow con pip.
pip install tensorflow==2.12.*
6. Verificar instalación
Verifique la configuración de la CPU:
python3 -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"
Si se devuelve un tensor, ha instalado TensorFlow correctamente.
Verifique la configuración de la GPU:
python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"
Si se devuelve una lista de dispositivos GPU, ha instalado TensorFlow correctamente.
Ubuntu 22.04
En Ubuntu 22.04, puede encontrar el siguiente error:
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]
Para corregir este error, deberá ejecutar los siguientes comandos.
# 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. Requisitos del sistema
- macOS 10.12.6 (Sierra) o superior (64 bits)
Actualmente, no hay soporte GPU oficial para ejecutar TensorFlow en MacOS. Las siguientes son instrucciones para ejecutar en la CPU.
2. Comprobar la versión de Python
Compruebe si su entorno de Python ya está configurado:
python3 --version
python3 -m pip --version
2. Instalar Miniconda
Miniconda es el enfoque recomendado para instalar TensorFlow con compatibilidad con GPU. Crea un entorno separado para evitar cambiar cualquier software instalado en su sistema. Esta es también la forma más fácil de instalar el software necesario, especialmente para la configuración de la 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
Es posible que deba reiniciar su terminal o source ~/.bashrc
para habilitar el comando conda
. Use conda -V
para probar si se instaló correctamente.
4. Crea un ambiente tranquilo
Cree un nuevo entorno conda llamado tf
con el siguiente comando.
conda create --name tf python=3.9
Puedes desactivarlo y activarlo con los siguientes comandos.
conda deactivate
conda activate tf
Asegúrese de que esté activado para el resto de la instalación.
5. Instalar TensorFlow
TensorFlow requiere una versión reciente de pip, así que actualice su instalación de pip para asegurarse de que está ejecutando la última versión.
pip install --upgrade pip
Luego, instala TensorFlow con pip.
pip install tensorflow
6. Verificar instalación
python3 -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"
Si se devuelve un tensor, ha instalado TensorFlow correctamente.
Nativo de Windows
1. Requisitos del sistema
- Windows 7 o superior (64 bits)
2. Instalar Microsoft Visual C++ Redistribuible
Instale Microsoft Visual C++ Redistributable para Visual Studio 2015, 2017 y 2019 . A partir de la versión TensorFlow 2.1.0, se requiere el archivo msvcp140_1.dll
de este paquete (que puede no estar disponible en paquetes redistribuibles anteriores). El redistribuible viene con Visual Studio 2019 pero se puede instalar por separado:
- Vaya a las descargas de Microsoft Visual C++ .
- Desplácese hacia abajo en la página hasta la sección Visual Studio 2015, 2017 y 2019 .
- Descargue e instale Microsoft Visual C++ Redistributable para Visual Studio 2015, 2017 y 2019 para su plataforma.
Asegúrese de que las rutas largas estén habilitadas en Windows.
3. Instalar Miniconda
Miniconda es el enfoque recomendado para instalar TensorFlow con compatibilidad con GPU. Crea un entorno separado para evitar cambiar cualquier software instalado en su sistema. Esta es también la forma más fácil de instalar el software necesario, especialmente para la configuración de la GPU.
Descarga el instalador de Windows Miniconda . Haga doble clic en el archivo descargado y siga las instrucciones en pantalla.
4. Crea un ambiente tranquilo
Cree un nuevo entorno conda llamado tf
con el siguiente comando.
conda create --name tf python=3.9
Puedes desactivarlo y activarlo con los siguientes comandos.
conda deactivate
conda activate tf
Asegúrese de que esté activado para el resto de la instalación.
5. Configuración de GPU
Puede omitir esta sección si solo ejecuta TensorFlow en la CPU.
Primero instale el controlador NVIDIA GPU si no lo ha hecho.
Luego instale CUDA, cuDNN con conda.
conda install -c conda-forge cudatoolkit=11.2 cudnn=8.1.0
6. Instalar TensorFlow
TensorFlow requiere una versión reciente de pip, así que actualice su instalación de pip para asegurarse de que está ejecutando la última versión.
pip install --upgrade pip
Luego, instala TensorFlow con pip.
# Anything above 2.10 is not supported on the GPU on Windows Native
pip install "tensorflow<2.11"
7. Verificar instalación
Verifique la configuración de la CPU:
python -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"
Si se devuelve un tensor, ha instalado TensorFlow correctamente.
Verifique la configuración de la GPU:
python -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"
Si se devuelve una lista de dispositivos GPU, ha instalado TensorFlow correctamente.
Windows WSL2
1. Requisitos del sistema
- Windows 10 19044 o superior (64 bits). Esto corresponde a Windows 10 versión 21H2, la actualización de noviembre de 2021.
Consulte los siguientes documentos para:
- Descarga la última actualización de Windows 10 .
- Instalar WSL2
- Configurar la compatibilidad con GPU NVIDIA® en WSL2
2. Instalar Miniconda
Miniconda es el enfoque recomendado para instalar TensorFlow con compatibilidad con GPU. Crea un entorno separado para evitar cambiar cualquier software instalado en su sistema. Esta es también la forma más fácil de instalar el software necesario, especialmente para la configuración de la GPU.
Puede usar el siguiente comando para instalar Miniconda. Durante la instalación, es posible que deba presionar Intro y escribir "sí".
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
Es posible que deba reiniciar su terminal o source ~/.bashrc
para habilitar el comando conda
. Use conda -V
para probar si se instaló correctamente.
3. Crea un ambiente tranquilo
Cree un nuevo entorno conda llamado tf
con el siguiente comando.
conda create --name tf python=3.9
Puedes desactivarlo y activarlo con los siguientes comandos.
conda deactivate
conda activate tf
Asegúrese de que esté activado para el resto de la instalación.
4. Configuración de la GPU
Puede omitir esta sección si solo ejecuta TensorFlow en la CPU.
Primero instale el controlador NVIDIA GPU si no lo ha hecho. Puede usar el siguiente comando para verificar que esté instalado.
nvidia-smi
Luego instale CUDA y cuDNN con conda y pip.
conda install -c conda-forge cudatoolkit=11.8.0
pip install nvidia-cudnn-cu11==8.6.0.163
Configure las rutas del sistema. Puede hacerlo con el siguiente comando cada vez que inicie una nueva terminal después de activar su entorno 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
Para su comodidad, se recomienda que lo automatice con los siguientes comandos. Las rutas del sistema se configurarán automáticamente cuando active este entorno 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. Instalar TensorFlow
TensorFlow requiere una versión reciente de pip, así que actualice su instalación de pip para asegurarse de que está ejecutando la última versión.
pip install --upgrade pip
Luego, instala TensorFlow con pip.
pip install tensorflow==2.12.*
6. Verificar instalación
Verifique la configuración de la CPU:
python3 -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"
Si se devuelve un tensor, ha instalado TensorFlow correctamente.
Verifique la configuración de la GPU:
python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"
Si se devuelve una lista de dispositivos GPU, ha instalado TensorFlow correctamente.
Ubicación del paquete
Algunos mecanismos de instalación requieren la URL del paquete TensorFlow Python. El valor que especifique depende de su versión de Python.