Google is committed to advancing racial equity for Black communities. See how.
این صفحه به‌وسیله ‏Cloud Translation API‏ ترجمه شده است.
Switch to English

TensorFlow را با pip نصب کنید

بسته های TensorFlow 2 موجود است

نسخه های قدیمی تر TensorFlow

برای TensorFlow 1.x ، بسته های پردازنده و GPU جدا هستند:

  • tensorflow==1.15 — فقط برای پردازنده آزاد کنید
  • tensorflow-gpu==1.15 پشتیبانی از GPU (اوبونتو و ویندوز) آزاد کنید

نیازهای سیستم

  • پایتون 3.5-3.8
    • پشتیبانی از Python 3.8 به TensorFlow 2.2 یا بالاتر نیاز دارد.
  • pip 19.0 یا بالاتر (نیاز به پشتیبانی manylinux2010 از manylinux2010 دارد)
  • اوبونتو 16.04 یا بالاتر (64 بیتی)
  • macOS 10.12.6 (سیرا) یا بالاتر (64 بیتی) (بدون پشتیبانی از پردازنده گرافیکی)
  • ویندوز 7 یا بالاتر (64 بیتی)
  • Raspbian 9.0 یا بالاتر
  • پشتیبانی از GPU به کارت CUDA® (اوبونتو و ویندوز) نیاز دارد.

نیازهای سخت افزاری

  • با شروع TensorFlow 1.6 ، باینری ها از دستورالعمل های AVX استفاده می کنند که ممکن است در پردازنده های قدیمی کار نکنند.
  • برای راه اندازی کارت GPU با قابلیت CUDA® در اوبونتو یا ویندوز ، راهنمای پشتیبانی GPU را بخوانید.

1. محیط توسعه پایتون را روی سیستم خود نصب کنید

بررسی کنید آیا محیط پایتون از قبل پیکربندی شده است:

python3 --version
pip3 --version

اگر این بسته ها از قبل نصب شده اند ، به مرحله بعدی بروید.
در غیر این صورت ، Python ، مدیر بسته pip و venv را نصب کنید :

اوبونتو

sudo apt update
sudo apt install python3-dev python3-pip python3-venv

سیستم عامل مکینتاش

با استفاده از مدیر بسته Homebrew نصب کنید:

/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

پنجره ها

Microsoft Visual C ++ Redistributable برای Visual Studio 2015 ، 2017 و 2019 را نصب کنید . با شروع نسخه msvcp140_1.dll 2.1.0 ، فایل msvcp140_1.dll از این بسته مورد نیاز است (که ممکن است از بسته های قدیمی تر قابل توزیع ارائه نشود). توزیع مجدد با Visual Studio 2019 همراه است اما می تواند به طور جداگانه نصب شود:

  1. به بارگیری Microsoft Visual C ++ بروید ،
  2. پایین صفحه را به قسمت Visual Studio 2015 ، 2017 و 2019 بروید .
  3. Microsoft Visual C ++ Redistributable برای Visual Studio 2015 ، 2017 و 2019 را برای سیستم عامل خود بارگیری و نصب کنید.

مطمئن شوید مسیرهای طولانی در ویندوز فعال هستند .

نسخه 64 بیتی Python 3 را برای ویندوز نصب کنید ( pip به عنوان یک ویژگی اختیاری انتخاب کنید).

تمشک پی

شرایط مورد نیاز برای سیستم عامل Raspbian :

sudo apt update
sudo apt install python3-dev python3-pip python3-venv
sudo apt install libatlas-base-dev        # required for numpy

دیگر

curl https://bootstrap.pypa.io/get-pip.py -o get-pip.py
python get-pip.py

از محیط های مجازی پایتون برای جداسازی نصب بسته از سیستم استفاده می شود.

اوبونتو / macOS

با انتخاب یک مفسر پایتون و ایجاد یک دایرکتوری ./venv برای نگه داشتن آن ، یک فضای مجازی جدید ایجاد کنید:

python3 -m venv --system-site-packages ./venv

محیط مجازی را با استفاده از یک دستور خاص پوسته فعال کنید:

source ./venv/bin/activate  # sh, bash, or zsh
. ./venv/bin/activate.fish  # fish
source ./venv/bin/activate.csh  # csh or tcsh

وقتی محیط مجازی فعال است ، پیش فرض پوسته شما با (venv) پیشوند قرار می گیرد.

بسته ها را در محیط مجازی نصب کنید بدون اینکه بر تنظیم سیستم میزبان تأثیر بگذارد. با به روزرسانی pip شروع کنید:

pip install --upgrade pip

pip list  # show packages installed within the virtual environment

و بعداً از محیط مجازی خارج شوید:

deactivate  # don't exit until you're done using TensorFlow

پنجره ها

با انتخاب یک مفسر پایتون و ایجاد یک دایرکتوری .\venv برای نگه داشتن آن ، یک فضای مجازی جدید ایجاد کنید:

python -m venv --system-site-packages .\venv

محیط مجازی را فعال کنید:

.\venv\Scripts\activate

بسته ها را در محیط مجازی نصب کنید بدون اینکه بر تنظیم سیستم میزبان تأثیر بگذارد. با به روزرسانی pip شروع کنید:

pip install --upgrade pip

pip list  # show packages installed within the virtual environment

و بعداً از محیط مجازی خارج شوید:

deactivate  # don't exit until you're done using TensorFlow

کوندا

در حالی که بسته پیپ ارائه شده توسط TensorFlow توصیه می شود ، یک بسته Anaconda با پشتیبانی جامعه در دسترس است. برای نصب ، راهنمای Anaconda TensorFlow را مطالعه کنید .

3. بسته pip TensorFlow را نصب کنید

یکی از بسته های TensorFlow زیر را برای نصب از PyPI انتخاب کنید :

  • tensorflow آخرین انتشار پایدار با پشتیبانی از CPU و GPU (اوبونتو و ویندوز) .
  • tf-nightly ساخت پیش نمایش (ناپایدار) . اوبونتو و ویندوز دارای پشتیبانی از GPU هستند .
  • tensorflow==1.15 — نسخه نهایی TensorFlow 1.x.

نصب محیط مجازی

pip install --upgrade tensorflow

نصب را تأیید کنید:

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

نصب سیستم

pip3 install --user --upgrade tensorflow  # install in $HOME

نصب را تأیید کنید:

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

محل بسته بندی

چند مکانیزم نصب به URL بسته TensorFlow Python نیاز دارند. مقداری که تعیین می کنید به نسخه پایتون شما بستگی دارد.

نسخه آدرس اینترنتی
لینوکس
پشتیبانی از پردازنده گرافیکی Python 3.6 https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-2.4.0-cp36-cp36m-manylinux2010_x86_64.whl
فقط پردازنده Python 3.6 https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow_cpu-2.4.0-cp36-cp36m-manylinux2010_x86_64.whl
پشتیبانی از پردازنده گرافیکی Python 3.7 https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-2.4.0-cp37-cp37m-manylinux2010_x86_64.whl
فقط پردازنده Python 3.7 https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow_cpu-2.4.0-cp37-cp37m-manylinux2010_x86_64.whl
پشتیبانی از پردازنده گرافیکی Python 3.8 https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-2.4.0-cp38-cp38-manylinux2010_x86_64.whl
فقط پردازنده Python 3.8 https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow_cpu-2.4.0-cp38-cp38-manylinux2010_x86_64.whl
macOS (فقط CPU)
پایتون 3.6 https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-2.4.0-cp36-cp36m-macosx_10_9_x86_64.whl
پایتون 3.7 https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-2.4.0-cp37-cp37m-macosx_10_9_x86_64.whl
پایتون 3.8 https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-2.4.0-cp38-cp38-macosx_10_14_x86_64.whl
پنجره ها
پشتیبانی از پردازنده گرافیکی Python 3.6 https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-2.4.0-cp36-cp36m-win_amd64.whl
فقط پردازنده Python 3.6 https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow_cpu-2.4.0-cp36-cp36m-win_amd64.whl
پشتیبانی از پردازنده گرافیکی Python 3.7 https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-2.4.0-cp37-cp37m-win_amd64.whl
فقط پردازنده Python 3.7 https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow_cpu-2.4.0-cp37-cp37m-win_amd64.whl
پشتیبانی از پردازنده گرافیکی Python 3.8 https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-2.4.0-cp38-cp38-win_amd64.whl
فقط پردازنده Python 3.8 https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow_cpu-2.4.0-cp38-cp38-win_amd64.whl
Raspberry PI (فقط CPU)
Python 3 ، Pi0 یا Pi1 https://storage.googleapis.com/tensorflow/raspberrypi/tensorflow-2.3.0rc2-cp35-none-linux_armv6l.whl
Python 3 ، Pi2 یا Pi3 https://storage.googleapis.com/tensorflow/raspberrypi/tensorflow-2.3.0rc2-cp35-none-linux_armv6l.whl