Panduan ini untuk TensorFlow versi stabil terbaru. Untuk pratinjau build (nightly) , gunakan paket pip bernama tf-nightly
. Lihat tabel ini untuk persyaratan versi TensorFlow yang lebih lama. Untuk build khusus CPU, gunakan paket pip bernama tensorflow-cpu
.
Berikut adalah versi cepat dari perintah instal. Gulir ke bawah untuk petunjuk langkah demi langkah.
Linux
conda install -c conda-forge cudatoolkit=11.8.0
python3 -m pip install nvidia-cudnn-cu11==8.6.0.163 tensorflow==2.13.*
mkdir -p $CONDA_PREFIX/etc/conda/activate.d
echo 'CUDNN_PATH=$(dirname $(python -c "import nvidia.cudnn;print(nvidia.cudnn.__file__)"))' >> $CONDA_PREFIX/etc/conda/activate.d/env_vars.sh
echo 'export LD_LIBRARY_PATH=$CUDNN_PATH/lib:$CONDA_PREFIX/lib/:$LD_LIBRARY_PATH' >> $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'))"
MacOS
# 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])))"
Windows Asli
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==2.13.*
mkdir -p $CONDA_PREFIX/etc/conda/activate.d
echo 'CUDNN_PATH=$(dirname $(python -c "import nvidia.cudnn;print(nvidia.cudnn.__file__)"))' >> $CONDA_PREFIX/etc/conda/activate.d/env_vars.sh
echo 'export LD_LIBRARY_PATH=$CUDNN_PATH/lib:$CONDA_PREFIX/lib/:$LD_LIBRARY_PATH' >> $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'))"
CPU
python3 -m pip install tensorflow
# Verify install:
python3 -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"
Malam
python3 -m pip install tf-nightly
# Verify install:
python3 -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"
Persyaratan perangkat keras
Perangkat yang mendukung GPU berikut ini didukung:
- Kartu GPU NVIDIA® dengan arsitektur CUDA® 3.5, 5.0, 6.0, 7.0, 7.5, 8.0 dan lebih tinggi. Lihat daftar kartu GPU yang mendukung CUDA® .
- Untuk GPU dengan arsitektur CUDA® yang tidak didukung, atau untuk menghindari kompilasi JIT dari PTX, atau untuk menggunakan versi pustaka NVIDIA® yang berbeda, lihat panduan build dari sumber Linux .
- Paket tidak berisi kode PTX kecuali untuk arsitektur CUDA® terbaru yang didukung; oleh karena itu, TensorFlow gagal memuat pada GPU lama saat
CUDA_FORCE_PTX_JIT=1
disetel. (Lihat Kompatibilitas Aplikasi untuk detailnya.)
Persyaratan sistem
- Ubuntu 16.04 atau lebih tinggi (64-bit)
- macOS 10.12.6 (Sierra) atau lebih tinggi (64-bit) (tanpa dukungan GPU)
- Windows Asli - Windows 7 atau lebih tinggi (64-bit) (tidak ada dukungan GPU setelah TF 2.10)
- Windows WSL2 - Windows 10 19044 atau lebih tinggi (64-bit)
Persyaratan perangkat lunak
- Python 3.8–3.11
- pip versi 19.0 atau lebih tinggi untuk Linux (memerlukan dukungan
manylinux2014
) dan Windows. pip versi 20.3 atau lebih tinggi untuk macOS. - Windows Native Memerlukan Microsoft Visual C++ Redistributable untuk Visual Studio 2015, 2017 dan 2019
Perangkat lunak NVIDIA® berikut hanya diperlukan untuk dukungan GPU.
- Driver NVIDIA® GPU versi 450.80.02 atau lebih tinggi.
- Perangkat CUDA® 11.8 .
- cuDNN SDK 8.6.0 .
- (Opsional) TensorRT untuk meningkatkan latensi dan throughput untuk inferensi.
Petunjuk langkah demi langkah
Linux
1. Persyaratan sistem
- Ubuntu 16.04 atau lebih tinggi (64-bit)
TensorFlow hanya secara resmi mendukung Ubuntu. Namun, petunjuk berikut juga dapat berfungsi untuk distro Linux lainnya.
2. Instal Miniconda
Miniconda adalah pendekatan yang direkomendasikan untuk menginstal TensorFlow dengan dukungan GPU. Ini menciptakan lingkungan terpisah untuk menghindari perubahan perangkat lunak yang diinstal di sistem Anda. Ini juga merupakan cara termudah untuk menginstal perangkat lunak yang diperlukan terutama untuk pengaturan GPU.
Anda dapat menggunakan perintah berikut untuk menginstal Miniconda. Selama penginstalan, Anda mungkin perlu menekan enter dan mengetik "yes".
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
Anda mungkin perlu me-restart terminal atau source ~/.bashrc
Anda untuk mengaktifkan perintah conda
. Gunakan conda -V
untuk menguji apakah sudah berhasil diinstal.
3. Ciptakan lingkungan yang nyaman
Buat lingkungan conda baru bernama tf
dengan perintah berikut.
conda create --name tf python=3.9
Anda dapat menonaktifkan dan mengaktifkannya dengan perintah berikut.
conda deactivate
conda activate tf
Pastikan itu diaktifkan untuk sisa instalasi.
4. Pengaturan GPU
Anda dapat melewati bagian ini jika hanya menjalankan TensorFlow di CPU.
Instal dulu driver GPU NVIDIA jika belum. Anda dapat menggunakan perintah berikut untuk memverifikasi itu diinstal.
nvidia-smi
Kemudian instal CUDA dan cuDNN dengan conda dan pip.
conda install -c conda-forge cudatoolkit=11.8.0
pip install nvidia-cudnn-cu11==8.6.0.163
Konfigurasikan jalur sistem. Anda dapat melakukannya dengan perintah berikut setiap kali Anda memulai terminal baru setelah mengaktifkan lingkungan conda Anda.
CUDNN_PATH=$(dirname $(python -c "import nvidia.cudnn;print(nvidia.cudnn.__file__)"))
export LD_LIBRARY_PATH=$CUDNN_PATH/lib:$CONDA_PREFIX/lib/:$LD_LIBRARY_PATH
Untuk kenyamanan Anda, disarankan agar Anda mengotomatiskannya dengan perintah berikut. Jalur sistem akan dikonfigurasi secara otomatis saat Anda mengaktifkan lingkungan conda ini.
mkdir -p $CONDA_PREFIX/etc/conda/activate.d
echo 'CUDNN_PATH=$(dirname $(python -c "import nvidia.cudnn;print(nvidia.cudnn.__file__)"))' >> $CONDA_PREFIX/etc/conda/activate.d/env_vars.sh
echo 'export LD_LIBRARY_PATH=$CUDNN_PATH/lib:$CONDA_PREFIX/lib/:$LD_LIBRARY_PATH' >> $CONDA_PREFIX/etc/conda/activate.d/env_vars.sh
5. Instal TensorFlow
TensorFlow membutuhkan pip versi terbaru, jadi tingkatkan instalasi pip Anda untuk memastikan Anda menjalankan versi terbaru.
pip install --upgrade pip
Kemudian, instal TensorFlow dengan pip.
pip install tensorflow==2.13.*
6. Verifikasi pemasangan
Verifikasi pengaturan CPU:
python3 -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"
Jika tensor dikembalikan, Anda telah berhasil menginstal TensorFlow.
Verifikasi pengaturan GPU:
python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"
Jika daftar perangkat GPU ditampilkan, Anda telah berhasil menginstal TensorFlow.
Ubuntu 22.04
Di Ubuntu 22.04, Anda mungkin mengalami kesalahan berikut:
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]
Untuk memperbaiki kesalahan ini, Anda harus menjalankan perintah berikut.
# 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/
MacOS
1. Persyaratan sistem
- macOS 10.12.6 (Sierra) atau lebih tinggi (64-bit)
Saat ini tidak ada dukungan GPU resmi untuk menjalankan TensorFlow di MacOS. Instruksi berikut adalah untuk menjalankan pada CPU.
2. Periksa versi Python
Periksa apakah lingkungan Python Anda sudah dikonfigurasi:
python3 --version
python3 -m pip --version
3. Instal Miniconda
Miniconda adalah pendekatan yang direkomendasikan untuk menginstal TensorFlow. Ini menciptakan lingkungan terpisah untuk menghindari perubahan perangkat lunak yang diinstal di sistem Anda.
Instal Miniconda:
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
Anda mungkin perlu me-restart terminal atau source ~/.bashrc
Anda untuk mengaktifkan perintah conda
. Gunakan conda -V
untuk menguji apakah sudah berhasil diinstal.
4. Ciptakan lingkungan yang nyaman
Buat lingkungan conda baru bernama tf
dengan perintah berikut.
conda create --name tf python=3.9
Anda dapat menonaktifkan dan mengaktifkannya dengan perintah berikut.
conda deactivate
conda activate tf
Pastikan itu diaktifkan untuk sisa instalasi.
5. Instal TensorFlow
TensorFlow membutuhkan pip versi terbaru, jadi tingkatkan instalasi pip Anda untuk memastikan Anda menjalankan versi terbaru.
pip install --upgrade pip
Kemudian, instal TensorFlow dengan pip.
pip install tensorflow
6. Verifikasi pemasangan
python3 -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"
Jika tensor dikembalikan, Anda telah berhasil menginstal TensorFlow.
Windows Asli
1. Persyaratan sistem
- Windows 7 atau lebih tinggi (64-bit)
2. Instal Microsoft Visual C++ Redistributable
Instal Microsoft Visual C++ Redistributable untuk Visual Studio 2015, 2017, dan 2019 . Dimulai dengan versi TensorFlow 2.1.0, file msvcp140_1.dll
diperlukan dari paket ini (yang mungkin tidak disediakan dari paket lama yang dapat didistribusikan ulang). Redistributable hadir dengan Visual Studio 2019 tetapi dapat diinstal secara terpisah:
- Buka unduhan Microsoft Visual C++ .
- Gulir ke bawah halaman ke bagian Visual Studio 2015, 2017 dan 2019 .
- Unduh dan pasang Microsoft Visual C++ Redistributable untuk Visual Studio 2015, 2017 dan 2019 untuk platform Anda.
Pastikan jalur panjang diaktifkan di Windows.
3. Instal Miniconda
Miniconda adalah pendekatan yang direkomendasikan untuk menginstal TensorFlow dengan dukungan GPU. Ini menciptakan lingkungan terpisah untuk menghindari perubahan perangkat lunak yang diinstal di sistem Anda. Ini juga merupakan cara termudah untuk menginstal perangkat lunak yang diperlukan terutama untuk pengaturan GPU.
Unduh Penginstal Windows Miniconda . Klik dua kali file yang diunduh dan ikuti petunjuk di layar.
4. Ciptakan lingkungan yang nyaman
Buat lingkungan conda baru bernama tf
dengan perintah berikut.
conda create --name tf python=3.9
Anda dapat menonaktifkan dan mengaktifkannya dengan perintah berikut.
conda deactivate
conda activate tf
Pastikan itu diaktifkan untuk sisa instalasi.
5. Pengaturan GPU
Anda dapat melewati bagian ini jika hanya menjalankan TensorFlow di CPU.
Instal dulu driver GPU NVIDIA jika belum.
Kemudian instal CUDA, cuDNN dengan conda.
conda install -c conda-forge cudatoolkit=11.2 cudnn=8.1.0
6. Instal TensorFlow
TensorFlow membutuhkan pip versi terbaru, jadi tingkatkan instalasi pip Anda untuk memastikan Anda menjalankan versi terbaru.
pip install --upgrade pip
Kemudian, instal TensorFlow dengan pip.
# Anything above 2.10 is not supported on the GPU on Windows Native
pip install "tensorflow<2.11"
7. Verifikasi pemasangan
Verifikasi pengaturan CPU:
python -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"
Jika tensor dikembalikan, Anda telah berhasil menginstal TensorFlow.
Verifikasi pengaturan GPU:
python -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"
Jika daftar perangkat GPU ditampilkan, Anda telah berhasil menginstal TensorFlow.
Windows WSL2
1. Persyaratan sistem
- Windows 10 19044 atau lebih tinggi (64-bit). Ini sesuai dengan Windows 10 versi 21H2, pembaruan November 2021.
Lihat dokumen berikut untuk:
2. Instal Miniconda
Miniconda adalah pendekatan yang direkomendasikan untuk menginstal TensorFlow dengan dukungan GPU. Ini menciptakan lingkungan terpisah untuk menghindari perubahan perangkat lunak yang diinstal di sistem Anda. Ini juga merupakan cara termudah untuk menginstal perangkat lunak yang diperlukan terutama untuk pengaturan GPU.
Anda dapat menggunakan perintah berikut untuk menginstal Miniconda. Selama penginstalan, Anda mungkin perlu menekan enter dan mengetik "yes".
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
Anda mungkin perlu me-restart terminal atau source ~/.bashrc
Anda untuk mengaktifkan perintah conda
. Gunakan conda -V
untuk menguji apakah sudah berhasil diinstal.
3. Ciptakan lingkungan yang nyaman
Buat lingkungan conda baru bernama tf
dengan perintah berikut.
conda create --name tf python=3.9
Anda dapat menonaktifkan dan mengaktifkannya dengan perintah berikut.
conda deactivate
conda activate tf
Pastikan itu diaktifkan untuk sisa instalasi.
4. Pengaturan GPU
Anda dapat melewati bagian ini jika hanya menjalankan TensorFlow di CPU.
Instal dulu driver GPU NVIDIA jika belum. Anda dapat menggunakan perintah berikut untuk memverifikasi itu diinstal.
nvidia-smi
Kemudian instal CUDA dan cuDNN dengan conda dan pip.
conda install -c conda-forge cudatoolkit=11.8.0
pip install nvidia-cudnn-cu11==8.6.0.163
Konfigurasikan jalur sistem. Anda dapat melakukannya dengan mengikuti perintah setiap kali Anda memulai terminal baru setelah mengaktifkan lingkungan conda Anda.
CUDNN_PATH=$(dirname $(python -c "import nvidia.cudnn;print(nvidia.cudnn.__file__)"))
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:$CUDNN_PATH/lib:$CONDA_PREFIX/lib/
Untuk kenyamanan Anda, disarankan agar Anda mengotomatiskannya dengan perintah berikut. Jalur sistem akan dikonfigurasi secara otomatis saat Anda mengaktifkan lingkungan conda ini.
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:$CUDNN_PATH/lib:$CONDA_PREFIX/lib/' >> $CONDA_PREFIX/etc/conda/activate.d/env_vars.sh
5. Instal TensorFlow
TensorFlow membutuhkan pip versi terbaru, jadi tingkatkan instalasi pip Anda untuk memastikan Anda menjalankan versi terbaru.
pip install --upgrade pip
Kemudian, instal TensorFlow dengan pip.
pip install tensorflow==2.13.*
6. Verifikasi pemasangan
Verifikasi pengaturan CPU:
python3 -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"
Jika tensor dikembalikan, Anda telah berhasil menginstal TensorFlow.
Verifikasi pengaturan GPU:
python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"
Jika daftar perangkat GPU ditampilkan, Anda telah berhasil menginstal TensorFlow.
Lokasi paket
Beberapa mekanisme penginstalan memerlukan URL paket TensorFlow Python. Nilai yang Anda tentukan bergantung pada versi Python Anda.