Google si impegna a promuovere l'equità razziale per le comunità nere. Vedi come.
Questa pagina è stata tradotta dall'API Cloud Translation.
Switch to English

Installare TensorFlow con pip

Sono disponibili pacchetti TensorFlow 2

  • tensorflow ultima versione stabile con supporto CPU e GPU (Ubuntu e Windows)
  • tf-nightly —Preview build (instabile) . Ubuntu e Windows includono il supporto GPU .

Versioni precedenti di TensorFlow

Per TensorFlow 1.x, i pacchetti CPU e GPU sono separati:

  • tensorflow==1.15 solo per CPU
  • tensorflow-gpu==1.15 Rilasciare con supporto GPU (Ubuntu e Windows)

Requisiti di sistema

  • Python 3.5–3.8
    • Il supporto di Python 3.8 richiede TensorFlow 2.2 o successivo.
  • pip 19.0 o successivo (richiede il supporto di manylinux2010 )
  • Ubuntu 16.04 o successivo (64 bit)
  • macOS 10.12.6 (Sierra) o successivo (64 bit) (nessun supporto GPU)
  • Windows 7 o versioni successive (64 bit)
  • Raspbian 9.0 o successivo
  • Il supporto GPU richiede una scheda abilitata per CUDA® (Ubuntu e Windows)

Requisiti hardware

  • A partire da TensorFlow 1.6, i binari utilizzano le istruzioni AVX che potrebbero non funzionare su CPU più vecchie.
  • Leggi la guida all'assistenza GPU per configurare una scheda GPU abilitata per CUDA® su Ubuntu o Windows.

1. Installa l'ambiente di sviluppo Python sul tuo sistema

Controlla se il tuo ambiente Python è già configurato:

python3 --version
pip3 --version

Se questi pacchetti sono già installati, andare al passaggio successivo.
Altrimenti, installa Python , il gestore pacchetti pip e venv :

Ubuntu

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

Mac OS

Installa utilizzando il gestore pacchetti Homebrew :

/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

finestre

Installa ridistribuibile di Microsoft Visual C ++ per Visual Studio 2015, 2017 e 2019 . A partire dalla versione TensorFlow 2.1.0, il file msvcp140_1.dll è richiesto da questo pacchetto (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 verso il basso la pagina fino alla sezione Visual Studio 2015, 2017 e 2019 .
  3. Scarica e installa Microsoft Visual C ++ ridistribuibile per Visual Studio 2015, 2017 e 2019 per la tua piattaforma.

Assicurati che i percorsi lunghi siano abilitati su Windows.

Installa la versione a 64 bit di Python 3 per Windows (seleziona pip come funzionalità opzionale).

Raspberry Pi

Requisiti per il sistema operativo Raspbian :

sudo apt update
sudo apt install python3-dev python3-pip python3-venv
sudo apt install libatlas-base-dev        # required for numpy

Altro

curl https://bootstrap.pypa.io/get-pip.py -o get-pip.py
python get-pip.py

Gli ambienti virtuali Python vengono utilizzati per isolare l'installazione dei pacchetti dal sistema.

Ubuntu / macOS

Crea un nuovo ambiente virtuale scegliendo un interprete Python e creando una directory ./venv per conservarlo:

python3 -m venv --system-site-packages ./venv 

Attiva l'ambiente virtuale usando un comando specifico della shell:

source ./venv /bin/activate  # sh, bash, or zsh
. ./venv /bin/activate.fish  # fish
source ./venv /bin/activate.csh  # csh or tcsh

Quando l'ambiente virtuale è attivo, il prompt della shell è preceduto da (venv) .

Installa i pacchetti in un ambiente virtuale senza influire sulla configurazione del sistema host. Inizia aggiornando pip :

pip install --upgrade pip

pip list  # show packages installed within the virtual environment

E per uscire dall'ambiente virtuale in un secondo momento:

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

finestre

Crea un nuovo ambiente virtuale scegliendo un interprete Python e creando una directory .\venv per conservarlo:

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

Attiva l'ambiente virtuale:

 .\venv \Scripts\activate

Installa i pacchetti in un ambiente virtuale senza influire sulla configurazione del sistema host. Inizia aggiornando pip :

pip install --upgrade pip

pip list  # show packages installed within the virtual environment

E per uscire dall'ambiente virtuale in un secondo momento:

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

Conda

Mentre è raccomandato il pacchetto pip fornito da TensorFlow, è disponibile un pacchetto Anaconda supportato dalla comunità . Per l'installazione, leggi la guida Anaconda TensorFlow .

3. Installare il pacchetto pip TensorFlow

Scegli uno dei seguenti pacchetti TensorFlow da installare da PyPI :

  • tensorflow ultima versione stabile con supporto CPU e GPU (Ubuntu e Windows) .
  • tf-nightly —Preview build (instabile) . Ubuntu e Windows includono il supporto GPU .
  • tensorflow==1.15 —La versione finale di TensorFlow 1.x.

Installazione dell'ambiente virtuale

pip install --upgrade tensorflow

Verifica l'installazione:

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

Installazione di sistema

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

Verifica l'installazione:

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

Posizione del pacchetto

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

Versione URL
Linux
Supporto per GPU Python 3.5 https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-2.3.0-cp35-cp35m-manylinux2010_x86_64.whl
Solo Python 3.5 CPU https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow_cpu-2.3.0-cp35-cp35m-manylinux2010_x86_64.whl
Supporto per GPU Python 3.6 https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-2.3.0-cp36-cp36m-manylinux2010_x86_64.whl
Python 3.6 solo CPU https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow_cpu-2.3.0-cp36-cp36m-manylinux2010_x86_64.whl
Supporto per GPU Python 3.7 https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-2.3.0-cp37-cp37m-manylinux2010_x86_64.whl
Solo Python 3.7 CPU https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow_cpu-2.3.0-cp37-cp37m-manylinux2010_x86_64.whl
Supporto per GPU Python 3.8 https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-2.3.0-cp38-cp38-manylinux2010_x86_64.whl
Solo Python 3.8 CPU https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow_cpu-2.3.0-cp38-cp38-manylinux2010_x86_64.whl
macOS (solo CPU)
Python 3.5 https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-2.3.0-cp35-cp35m-macosx_10_6_intel.whl
Python 3.6 https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-2.3.0-cp36-cp36m-macosx_10_9_x86_64.whl
Python 3.7 https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-2.3.0-cp37-cp37m-macosx_10_9_x86_64.whl
Python 3.8 https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-2.3.0-cp38-cp38-macosx_10_14_x86_64.whl
finestre
Supporto per GPU Python 3.5 https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-2.3.0-cp35-cp35m-win_amd64.whl
Solo Python 3.5 CPU https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow_cpu-2.3.0-cp35-cp35m-win_amd64.whl
Supporto per GPU Python 3.6 https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-2.3.0-cp36-cp36m-win_amd64.whl
Python 3.6 solo CPU https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow_cpu-2.3.0-cp36-cp36m-win_amd64.whl
Supporto per GPU Python 3.7 https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-2.3.0-cp37-cp37m-win_amd64.whl
Solo Python 3.7 CPU https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow_cpu-2.3.0-cp37-cp37m-win_amd64.whl
Supporto per GPU Python 3.8 https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-2.3.0-cp38-cp38-win_amd64.whl
Solo Python 3.8 CPU https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow_cpu-2.3.0-cp38-cp38-win_amd64.whl
Raspberry PI (solo CPU)
Python 3, Pi0 o Pi1 https://storage.googleapis.com/tensorflow/raspberrypi/tensorflow-2.3.0-cp35-none-linux_armv6l.whl
Python 3, Pi2 o Pi3 https://storage.googleapis.com/tensorflow/raspberrypi/tensorflow-2.3.0-cp35-none-linux_armv7l.whl