Installer TensorFlow avec pip

Packages TensorFlow 2 disponibles

  • tensorflow : dernière version stable pour les processeurs et les GPU (Ubuntu et Windows)
  • tf-nightly : version de développement (instable). Les packages pour Ubuntu et Windows incluent la compatibilité avec les GPU.

Anciennes versions de TensorFlow

Pour TensorFlow 1.x, les packages pour les processeurs et les GPU sont proposés séparément :

  • tensorflow==1.15 : version pour processeur uniquement
  • tensorflow-gpu==1.15 : version proposant la compatibilité avec les GPU (Ubuntu et Windows)

Configuration requise

Configuration matérielle requise

1. Installer l'environnement de développement Python sur votre système

Vérifiez si votre environnement Python est déjà configuré :

python3 --version
pip3 --version
virtualenv --version

Si ces packages sont déjà installés, passez à l'étape suivante.
Dans le cas contraire, installez Python, le gestionnaire de packages pip et Virtualenv :

Ubuntu

sudo apt update
sudo apt install python3-dev python3-pip
sudo pip3 install -U virtualenv  # system-wide install

macOS

Effectuez l'installation à l'aide du gestionnaire de packages Homebrew :

/usr/bin/ruby -e "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/master/install)"
export PATH="/usr/local/bin:/usr/local/sbin:$PATH"
brew update
brew install python  # Python 3
sudo pip3 install -U virtualenv  # system-wide install

Windows

Installez le package Redistributable Microsoft Visual C++ pour Visual Studio 2015, 2017 et 2019. À partir de la version TensorFlow 2.1.0, le fichier msvcp140_1.dll contenu dans ce package est requis (il n'est pas proposé dans les anciens packages redistribuables). Le package redistribuable comprend Visual Studio 2019, mais celui-ci peut également être installé séparément :

  1. Accédez à la page de téléchargement de Microsoft Visual C++.
  2. Faites défiler la page jusqu'à la section Visual Studio 2015, 2017 et 2019.
  3. Téléchargez et installez le Redistributable Microsoft Visual C ++ pour Visual Studio 2015, 2017 et 2019 pour votre plate-forme.

Vérifiez que les chemins d'accès longs sont activés sous Windows.

Installez la version 64 bits de Python 3 pour Windows (sélectionnez la fonctionnalité facultative pip).

pip3 install -U pip virtualenv

Raspberry Pi

Configuration requise pour le système d'exploitation Raspbian :

sudo apt update
sudo apt install python3-dev python3-pip
sudo apt install libatlas-base-dev        # required for numpy
sudo pip3 install -U virtualenv           # system-wide install

Autre

curl https://bootstrap.pypa.io/get-pip.py -o get-pip.py
python get-pip.py
sudo pip3 install -U virtualenv  # system-wide install

Les environnements virtuels Python permettent d'isoler l'installation d'un package du système.

Ubuntu/macOS

Créez un environnement virtuel en choisissant un interpréteur Python et en créant un répertoire ./venv  pour le contenir :

virtualenv --system-site-packages -p python3 ./venv

Activez l'environnement virtuel à l'aide d'une commande spécifique à l'interface système :

source ./venv/bin/activate  # sh, bash, ksh, or zsh

Lorsque l'environnement virtualenv est actif, l'invite de l'interface système est précédée par le préfixe (venv).

Installez des packages dans un environnement virtuel sans modifier la configuration du système hôte. Pour ce faire, commencez par mettre à niveau pip :

pip install --upgrade pip

pip list  # show packages installed within the virtual environment

Pour quitter ensuite l'environnement virtualenv :

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

Windows

Créez un environnement virtuel en choisissant un interpréteur Python, puis en créant un répertoire .\venv :

virtualenv --system-site-packages -p python3 ./venv

Activez l'environnement virtuel :

.\venv\Scripts\activate

Installez des packages dans un environnement virtuel sans modifier la configuration du système hôte. Pour ce faire, commencez par mettre à niveau pip :

pip install --upgrade pip

pip list  # show packages installed within the virtual environment

Pour quitter ensuite l'environnement virtualenv :

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

Conda

Créez un environnement virtuel en choisissant un interpréteur Python et en créant un répertoire ./venv  pour le contenir :

conda create -n venv pip python=3.7  # select python version

Activez l'environnement virtuel :

source activate venv

Dans l'environnement virtuel, installez le package pip TensorFlow à l'aide de l'URL complète :

pip install --ignore-installed --upgrade packageURL

Pour quitter ensuite l'environnement virtualenv :

source deactivate

3. Installer le package pip TensorFlow

Choisissez l'un des packages TensorFlow suivants à installer à partir de PyPI  :

  • tensorflow : dernière version stable pour les processeurs et les GPU (Ubuntu et Windows).
  • tf-nightly : version de développement (instable). Les packages pour Ubuntu et Windows incluent la compatibilité avec les GPU.
  • tensorflow==1.15 : version finale de TensorFlow 1.x.

Installation dans virtualenv

pip install --upgrade tensorflow

Vérifiez l'installation :

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

Installation dans le système d'exploitation

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

Vérifiez l'installation :

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

Emplacement du package

Certaines procédures d'installation nécessitent l'URL du package Python de TensorFlow. La valeur que vous spécifiez dépend de votre version de Python.

VersionURL
Linux
Compatibilité avec les GPU Python 2.7 https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-2.1.0-cp27-cp27mu-manylinux2010_x86_64.whl
Python 2.7 pour processeur uniquement https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow_cpu-2.1.0-cp27-cp27mu-manylinux2010_x86_64.whl
Compatibilité avec les GPU Python 3.5 https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-2.1.0-cp35-cp35m-manylinux2010_x86_64.whl
Python 3.5 processeur uniquement https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow_cpu-2.1.0-cp35-cp35m-manylinux2010_x86_64.whl
Compatibilité avec les GPU Python 3.6 https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-2.1.0-cp36-cp36m-manylinux2010_x86_64.whl
Python 3.6 processeur uniquement https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow_cpu-2.1.0-cp36-cp36m-manylinux2010_x86_64.whl
Compatibilité avec les GPU Python 3.7 https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-2.1.0-cp37-cp37m-manylinux2010_x86_64.whl
Python 3.7 processeur uniquement https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow_cpu-2.1.0-cp37-cp37m-manylinux2010_x86_64.whl
macOS (processeur uniquement)
Python 2.7 https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-2.1.0-cp27-cp27m-macosx_10_9_x86_64.whl
Python 3.5 https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-2.1.0-cp35-cp35m-macosx_10_6_intel.whl
Python 3.6 https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-2.1.0-cp36-cp36m-macosx_10_9_x86_64.whl
Python 3.7 https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-2.1.0-cp37-cp37m-macosx_10_9_x86_64.whl
Windows
Compatibilité avec les GPU Python 3.5 https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-2.1.0-cp35-cp35m-win_amd64.whl
Python 3.5 processeur uniquement https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow_cpu-2.1.0-cp35-cp35m-win_amd64.whl
Compatibilité avec les GPU Python 3.6 https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-2.1.0-cp36-cp36m-win_amd64.whl
Python 3.6 processeur uniquement https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow_cpu-2.1.0-cp36-cp36m-win_amd64.whl
Compatibilité avec les GPU Python 3.7 https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-2.1.0-cp37-cp37m-win_amd64.whl
Python 3.7 processeur uniquement https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow_cpu-2.1.0-cp37-cp37m-win_amd64.whl
Raspberry PI (processeur uniquement)
Python 3, Pi0 ou Pi1 https://storage.googleapis.com/tensorflow/raspberrypi/tensorflow-2.1.0-cp35-none-linux_armv6l.whl
Python 3, Pi2 ou Pi3 https://storage.googleapis.com/tensorflow/raspberrypi/tensorflow-2.1.0-cp35-none-linux_armv7l.whl