Installa TensorFlow con pip

Questa guida è per l'ultima versione stabile di TensorFlow. Per la build di anteprima (nightly) , utilizzare il pacchetto pip denominato tf-nightly . Fare riferimento a queste tabelle per i requisiti delle versioni precedenti di TensorFlow. Per gli utenti di TensorFlow 1.x, fare riferimento alla guida alla migrazione per eseguire l'aggiornamento a TensorFlow 2.

Ecco una tabella di ricerca per i comandi di installazione. Scorri verso il basso per le istruzioni dettagliate.

Linux

conda install -c conda-forge cudatoolkit=11.2 cudnn=8.1.0
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:$CONDA_PREFIX/lib/
python3 -m pip install tensorflow
# Verify install:
python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"

Mac OS

# Currently, we do not have 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])))"

finestre

conda install -c conda-forge cudatoolkit=11.2 cudnn=8.1.0
python3 -m pip install tensorflow
# Verify install:
python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"

processore

python3 -m pip install tensorflow
# Verify install:
python3 -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"

Di notte

python3 -m pip install tf-nightly
# Verify install:
python3 -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"

Requisiti hardware

Sono supportati i seguenti dispositivi abilitati per GPU:

  • Scheda GPU NVIDIA® con architetture CUDA® 3.5, 5.0, 6.0, 7.0, 7.5, 8.0 e successive. Consulta l'elenco delle schede GPU abilitate per CUDA® .
  • Per le GPU con architetture CUDA® non supportate o per evitare la compilazione JIT da PTX o per utilizzare versioni diverse delle librerie NVIDIA®, vedere la guida Linux build from source .
  • I pacchetti non contengono codice PTX ad eccezione dell'ultima architettura CUDA® supportata; pertanto, TensorFlow non riesce a caricare su GPU meno recenti quando è impostato CUDA_FORCE_PTX_JIT=1 . (Vedi Compatibilità delle applicazioni per i dettagli.)

Requisiti di sistema

  • Ubuntu 16.04 o versioni successive (64 bit)
  • macOS 10.12.6 (Sierra) o versioni successive (64 bit) (nessun supporto GPU)
  • Windows 7 o versioni successive (64 bit)

Requisiti software

I seguenti software NVIDIA® sono necessari solo per il supporto della GPU.

Istruzioni passo passo

Linux

Supportiamo ufficialmente solo Ubuntu. Tuttavia, le seguenti istruzioni potrebbero funzionare anche per altre distribuzioni Linux.

Si consiglia di utilizzare Miniconda per creare un ambiente separato per evitare di modificare il software installato nel sistema. Questo è anche il modo più semplice per installare il software richiesto, in particolare per la configurazione della GPU.

1. Installa Miniconda

È possibile utilizzare il comando seguente per installare Miniconda. Durante l'installazione, potrebbe essere necessario premere Invio e digitare "sì".

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

Potrebbe essere necessario riavviare il terminale o l' source ~/.bashrc per abilitare il comando conda . Usa conda -V per verificare se è installato correttamente.

2. Creare un ambiente conda

Crea un nuovo ambiente conda denominato tf con il comando seguente.

conda create --name tf python=3.9

Puoi disattivarlo e attivarlo con i seguenti comandi.

conda deactivate
conda activate tf

Assicurati che sia attivato per il resto dell'installazione.

3. Configurazione della GPU

Puoi saltare questa sezione se esegui TensorFlow solo su CPU.

Innanzitutto, è necessario installare il driver GPU NVIDIA se non lo hai fatto. È possibile utilizzare il comando seguente per verificare che sia installato.

nvidia-smi

Quindi, installiamo CUDA, cuDNN con conda.

conda install -c conda-forge cudatoolkit=11.2 cudnn=8.1.0

Configura i percorsi di sistema. Puoi farlo con il seguente comando ogni volta che avvii un nuovo terminale dopo aver attivato il tuo ambiente conda.

export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:$CONDA_PREFIX/lib/

Tuttavia, per tua comodità, ti consigliamo di automatizzarlo con i seguenti comandi. I percorsi di sistema verranno configurati automaticamente quando si attiva questo ambiente conda.

mkdir -p $CONDA_PREFIX/etc/conda/activate.d
echo 'export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:$CONDA_PREFIX/lib/' > $CONDA_PREFIX/etc/conda/activate.d/env_vars.sh

4. Installare TensorFlow

TensorFlow richiede una versione recente di pip, quindi aggiorna l'installazione di pip per assicurarti di eseguire la versione più recente.

pip install --upgrade pip

Quindi, installa TensorFlow con pip.

pip install tensorflow

5. Verificare l'installazione

Verifica la configurazione della CPU:

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

Se viene restituito un tensore, TensorFlow è stato installato correttamente.

Verifica la configurazione della GPU:

python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"

Se viene restituito un elenco di dispositivi GPU, TensorFlow è stato installato correttamente.

Mac OS

Al momento, non abbiamo il supporto GPU ufficiale per l'esecuzione di TensorFlow su MacOS. Le seguenti istruzioni sono per l'esecuzione su CPU.

1. Controlla la versione di Python

Verifica se il tuo ambiente Python è già configurato:

python3 --version
python3 -m pip --version

Se hai la versione corretta di Python e pip, puoi saltare i due passaggi successivi e andare a "4. Installa TensorFlow". Tuttavia, consigliamo comunque di non saltare i passaggi. Usa Miniconda per installare Python e pip. Crea un ambiente separato per evitare di modificare il software installato nel sistema.

2. Installa Miniconda

È possibile utilizzare il comando seguente per installare Miniconda. Durante l'installazione, potrebbe essere necessario premere Invio e digitare "sì".

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

Potrebbe essere necessario riavviare il terminale o l' source ~/.bashrc per abilitare il comando conda . Usa conda -V per verificare se è installato correttamente.

3. Crea un ambiente conda

Crea un nuovo ambiente conda denominato tf con il comando seguente.

conda create --name tf python=3.9

Puoi disattivarlo e attivarlo con i seguenti comandi.

conda deactivate
conda activate tf

Assicurati che sia attivato per il resto dell'installazione.

4. Installare TensorFlow

TensorFlow richiede una versione recente di pip, quindi aggiorna l'installazione di pip per assicurarti di eseguire la versione più recente.

pip install --upgrade pip

Quindi, installa TensorFlow con pip.

pip install tensorflow

5. Verificare l'installazione

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

Se viene restituito un tensore, TensorFlow è stato installato correttamente.

finestre

1. Installa Microsoft Visual C++ Redistributable

Installare Microsoft Visual C++ Redistributable per Visual Studio 2015, 2017 e 2019 . A partire dalla versione TensorFlow 2.1.0, da questo pacchetto è richiesto il file msvcp140_1.dll (che potrebbe non essere fornito da pacchetti ridistribuibili precedenti). Il ridistribuibile viene fornito con Visual Studio 2019 ma può essere installato separatamente:

  1. Vai ai download di Microsoft Visual C++ .
  2. Scorri la pagina verso il basso fino alla sezione Visual Studio 2015, 2017 e 2019 .
  3. Scarica e installa Microsoft Visual C++ Redistributable per Visual Studio 2015, 2017 e 2019 per la tua piattaforma.

Assicurati che i percorsi lunghi siano abilitati su Windows.

2. Installa Miniconda

Si consiglia di utilizzare Miniconda per creare un ambiente separato per evitare di modificare il software installato nel sistema. Questo è anche il modo più semplice per installare il software richiesto, in particolare per la configurazione della GPU.

Scarica il programma di installazione di Windows Miniconda . Fare doppio clic sul file scaricato e seguire le istruzioni sullo schermo.

3. Crea un ambiente conda

Crea un nuovo ambiente conda denominato tf con il comando seguente.

conda create --name tf python=3.9

Puoi disattivarlo e attivarlo con i seguenti comandi.

conda deactivate
conda activate tf

Assicurati che sia attivato per il resto dell'installazione.

4. Configurazione della GPU

Puoi saltare questa sezione se esegui TensorFlow solo su CPU.

Innanzitutto, è necessario installare il driver GPU NVIDIA se non lo hai fatto.

Quindi, installiamo CUDA, cuDNN con conda.

conda install -c conda-forge cudatoolkit=11.2 cudnn=8.1.0

5. Installare TensorFlow

TensorFlow richiede una versione recente di pip, quindi aggiorna l'installazione di pip per assicurarti di eseguire la versione più recente.

pip install --upgrade pip

Quindi, installa TensorFlow con pip.

pip install tensorflow

6. Verificare l'installazione

Verifica la configurazione della CPU:

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

Se viene restituito un tensore, TensorFlow è stato installato correttamente.

Verifica la configurazione della GPU:

python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"

Se viene restituito un elenco di dispositivi GPU, TensorFlow è stato installato correttamente.

Posizione del pacco

Alcuni meccanismi di installazione richiedono l'URL del pacchetto TensorFlow Python. Il valore che specifichi dipende dalla tua versione di Python.

Versione URL
Linux
Supporto GPU Python 3.7 https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-2.9.0-cp37-cp37m-manylinux_2_17_x86_64.manylinux2014_x86_64.whl
Python 3.7 solo CPU https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow_cpu-2.9.0-cp37-cp37m-manylinux_2_17_x86_64.manylinux2014_x86_64.whl
Supporto GPU Python 3.8 https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-2.9.0-cp38-cp38-manylinux_2_17_x86_64.manylinux2014_x86_64.whl
Python 3.8 solo CPU https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow_cpu-2.9.0-cp38-cp38-manylinux_2_17_x86_64.manylinux2014_x86_64.whl
Supporto GPU Python 3.9 https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-2.9.0-cp39-cp39-manylinux_2_17_x86_64.manylinux2014_x86_64.whl
Python 3.9 solo CPU https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow_cpu-2.9.0-cp39-cp39-manylinux_2_17_x86_64.manylinux2014_x86_64.whl
Supporto GPU Python 3.10 https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-2.9.0-cp310-cp310-manylinux_2_17_x86_64.manylinux2014_x86_64.whl
Python 3.10 solo CPU https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow_cpu-2.9.0-cp310-cp310-manylinux_2_17_x86_64.manylinux2014_x86_64.whl
macOS (solo CPU)
Python 3.7 https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-2.9.0-cp37-cp37m-macosx_10_14_x86_64.whl
Python 3.8 https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-2.9.0-cp38-cp38-macosx_10_14_x86_64.whl
Python 3.9 https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-2.9.0-cp39-cp39-macosx_10_14_x86_64.whl
Python 3.10 https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-2.9.0-cp310-cp310-macosx_10_14_x86_64.whl
finestre
Supporto GPU Python 3.7 https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-2.9.0-cp37-cp37m-win_amd64.whl
Python 3.7 solo CPU https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow_cpu-2.9.0-cp37-cp37m-win_amd64.whl
Supporto GPU Python 3.8 https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-2.9.0-cp38-cp38-win_amd64.whl
Python 3.8 solo CPU https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow_cpu-2.9.0-cp38-cp38-win_amd64.whl
Supporto GPU Python 3.9 https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-2.9.0-cp39-cp39-win_amd64.whl
Python 3.9 solo CPU https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow_cpu-2.9.0-cp39-cp39-win_amd64.whl
Supporto GPU Python 3.10 https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-2.9.0-cp310-cp310-win_amd64.whl
Python 3.10 solo CPU https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow_cpu-2.9.0-cp310-cp310-win_amd64.whl