Google متعهد به پیشبرد برابری نژادی برای جوامع سیاه است. ببینید چگونه.
این صفحه به‌وسیله ‏Cloud Translation API‏ ترجمه شده است.
Switch to English

TensorFlow را با pip نصب کنید

بسته های TensorFlow 2 در دسترس هستند

  • tensorflow آخرین نسخه پایدار با پشتیبانی CPU و GPU (اوبونتو و ویندوز)
  • tf-nightly re پیش نمایش ساخت (ناپایدار) . Ubuntu و Windows شامل پشتیبانی GPU هستند .

نسخه های قدیمی تر TensorFlow

برای TensorFlow 1.x بسته های CPU و GPU جداگانه هستند:

  • tensorflow==1.15 فقط برای CPU استفاده کنید
  • tensorflow-gpu==1.15 با پشتیبانی GPU (اوبونتو و ویندوز)

الزامات سیستم

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

مورد نیاز سخت افزار

1. محیط توسعه Python را روی سیستم خود نصب کنید

بررسی کنید که آیا محیط Python شما قبلاً 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 بسته و venv را نصب کنید :

اوبونتو

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

سیستم عامل مک

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 for Visual Studio 2015 ، 2017 و 2019 را نصب کنید . با شروع نسخه msvcp140_1.dll 2.1.0 ، پرونده msvcp140_1.dll از این بسته الزامی است (که ممکن است از بسته های توزیع مجدد قدیمی تر تهیه نشود). توزیع مجدد با ویژوال استودیو 2019 همراه است اما می تواند به طور جداگانه نصب شود:

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

مطمئن شوید که مسیری طولانی روی ویندوز فعال شده است .

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

تمشک پی

مورد نیاز 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 Python برای جداسازی نصب بسته ها از سیستم استفاده می شود.

اوبونتو / macOS

با انتخاب یک مترجم پایتون و ایجاد فهرست ./venv یک محیط 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

هنگامی که محیط مجازی فعال است ، اعلان پوسته شما با (venv) پیشوند شده است.

بسته ها را در یک محیط مجازی نصب کنید بدون اینکه روی سیستم 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 مترجم پایتون و ایجاد فهرست .\venv برای نگهداری از آن ، یک محیط مجازی جدید ایجاد کنید:

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

محیط مجازی را فعال کنید:

 .\venv \Scripts\activate

بسته ها را در یک محیط مجازی نصب کنید بدون اینکه روی سیستم 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

کاندا

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

3. بسته لوله TensorFlow را نصب کنید

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

  • tensorflow آخرین نسخه پایدار با پشتیبانی CPU و GPU (اوبونتو و ویندوز) .
  • tf-nightly re پیش نمایش ساخت (ناپایدار) . Ubuntu و Windows شامل پشتیبانی GPU هستند .
  • tensorflow==1.15 version نسخه نهایی TensorFlow 1.x.

محیط مجازی را نصب کنید

pip install --upgrade tensorflow

تأیید نصب:

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

تأیید نصب:

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

محل بسته بندی

چند مکانیسم نصب نیاز به آدرس اینترنتی بسته TensorFlow Python دارد. مقدار مورد نظر شما بستگی به نسخه پایتون شما دارد.

نسخه آدرس اینترنتی
لینوکس
پشتیبانی از پردازنده گرافیکی پایتون 3.5 https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-2.3.0-cp35-cp35m-manylinux2010_x86_64.whl
فقط پردازنده Python 3.5 https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow_cpu-2.3.0-cp35-cp35m-manylinux2010_x86_64.whl
پشتیبانی از پردازنده گرافیکی Python 3.6 https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-2.3.0-cp36-cp36m-manylinux2010_x86_64.whl
فقط پردازنده Python 3.6 https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow_cpu-2.3.0-cp36-cp36m-manylinux2010_x86_64.whl
پشتیبانی از پردازنده گرافیکی پایتون 3.7 https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-2.3.0-cp37-cp37m-manylinux2010_x86_64.whl
فقط پایتون 3.7 CPU https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow_cpu-2.3.0-cp37-cp37m-manylinux2010_x86_64.whl
پشتیبانی از پردازنده گرافیکی پایتون 3.8 https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-2.3.0-cp38-cp38-manylinux2010_x86_64.whl
فقط پایتون 3.8 CPU https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow_cpu-2.3.0-cp38-cp38-manylinux2010_x86_64.whl
macOS (فقط با CPU)
پایتون 3.5 https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-2.3.0-cp35-cp35m-macosx_10_6_intel.whl
پایتون 3.6 https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-2.3.0-cp36-cp36m-macosx_10_9_x86_64.whl
پایتون 3.7 https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-2.3.0-cp37-cp37m-macosx_10_9_x86_64.whl
پایتون 3.8 https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-2.3.0-cp38-cp38-macosx_10_14_x86_64.whl
پنجره ها
پشتیبانی از پردازنده گرافیکی پایتون 3.5 https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-2.3.0-cp35-cp35m-win_amd64.whl
فقط پردازنده Python 3.5 https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow_cpu-2.3.0-cp35-cp35m-win_amd64.whl
پشتیبانی از پردازنده گرافیکی Python 3.6 https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-2.3.0-cp36-cp36m-win_amd64.whl
فقط پردازنده Python 3.6 https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow_cpu-2.3.0-cp36-cp36m-win_amd64.whl
پشتیبانی از پردازنده گرافیکی پایتون 3.7 https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-2.3.0-cp37-cp37m-win_amd64.whl
فقط پایتون 3.7 CPU https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow_cpu-2.3.0-cp37-cp37m-win_amd64.whl
پشتیبانی از پردازنده گرافیکی پایتون 3.8 https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-2.3.0-cp38-cp38-win_amd64.whl
فقط پایتون 3.8 CPU https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow_cpu-2.3.0-cp38-cp38-win_amd64.whl
تمشک PI (فقط با CPU)
پایتون 3 ، Pi0 یا Pi1 https://storage.googleapis.com/tensorflow/raspberrypi/tensorflow-2.3.0-cp35-none-linux_armv6l.whl
پایتون 3 ، پی 2 یا پی 3 https://storage.googleapis.com/tensorflow/raspberrypi/tensorflow-2.3.0-cp35-none-linux_armv7l.whl