Instal TensorFlow dengan pip

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])))"

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:

1. Buka unduhan Microsoft Visual C++ .
2. Gulir ke bawah halaman ke bagian Visual Studio 2015, 2017 dan 2019 .
3. 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:

• Unduh pembaruan Windows 10 terbaru .
• Instal WSL2
• Siapkan dukungan GPU NVIDIA® di WSL2

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.