Google is committed to advancing racial equity for Black communities. See how.

Zainstaluj TensorFlow z pip

Dostępne są pakiety TensorFlow 2

  • tensorflow -Latest stabilne wydanie z CPU i GPU (Ubuntu i Windows)
  • tf-nightly -preview build (niestabilny). Ubuntu i Windows to wsparcie GPU .

Starsze wersje TensorFlow

W przypadku TensorFlow 1.x pakiety CPU i GPU są oddzielne:

  • tensorflow==1.15 -release dla CPU-tylko
  • tensorflow-gpu==1.15 -release z obsługą GPU (Ubuntu i Windows)

Wymagania systemowe

  • Python 3,6–3,9
    • Obsługa Pythona 3.9 wymaga TensorFlow 2.5 lub nowszego.
    • Obsługa Pythona 3.8 wymaga TensorFlow 2.2 lub nowszego.
  • pip 19,0 lub (wymaga manylinux2010 wsparcia)
  • Ubuntu 16.04 lub nowszy (64-bitowy)
  • Macos 10.12.6 (Sierra) lub później (64 bitów) (bez GPU)
    • macOS wymaga pip 20.3 lub nowszego
  • Windows 7 lub nowszy (64-bitowy)
  • Wsparcie GPU wymaga karty CUDA®-włączona (Ubuntu i Windows)

Wymagania sprzętowe

  • Począwszy od TensorFlow 1.6, binarne używać AVX instrukcjami , które nie mogą działać na starszych procesorach.
  • Przeczytać instrukcji obsługi GPU skonfigurować kartę GPU CUDA® włączoną na Ubuntu lub Windows.

1. Zainstaluj środowisko programistyczne Python w swoim systemie

Sprawdź, czy Twoje środowisko Pythona jest już skonfigurowane:

python3 --version
pip3 --version

Jeśli te pakiety są już zainstalowane, przejdź do następnego kroku.
W przeciwnym razie, należy zainstalować Python , z menedżera pakietów PIP oraz venv :

Ubuntu

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

System operacyjny Mac

Zainstalować za pomocą Homebrew menedżera pakietów:

/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

Okna

Zainstalować Microsoft Visual C ++ Redistributable dla Visual Studio 2015, 2017 i 2019. Począwszy od wersji 2.1.0 TensorFlow The msvcp140_1.dll plik jest wymagane od tego pakietu (które nie mogą być dostarczone ze starszych pakietów redystrybucji). Redystrybuowalne pochodzi z Visual Studio 2019, ale mogą być zainstalowane oddzielnie:

  1. Idź do Microsoft Visual C ++ pobrania ,
  2. Przewiń stronę do Visual Studio 2015, 2017 i 2019 części.
  3. Pobierz i zainstaluj Microsoft Visual C ++ Redistributable dla Visual Studio 2015, 2017 i 2019 dla danej platformy.

Upewnij się, że długie ścieżki są włączone w systemie Windows.

Zainstalować 64-bitową Python 3 wydanie dla Windows (Wybierz pip jako wyposażenie opcjonalne).

Inne

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

Środowiska wirtualne Python są używane do izolowania instalacji pakietów od systemu.

Ubuntu/macOS

Tworzenie nowego wirtualnego środowiska poprzez wybór interpreter Pythona i dokonywania ./venv katalogu, aby go utrzymać:

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

Aktywuj środowisko wirtualne za pomocą polecenia specyficznego dla powłoki:

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

Gdy wirtualne środowisko jest aktywny, twój znak zachęty jest prefiksem (venv) .

Instaluj pakiety w środowisku wirtualnym bez wpływu na konfigurację systemu hosta. Zacznij od modernizacji pip :

pip install --upgrade pip

pip list  # show packages installed within the virtual environment

Aby później wyjść ze środowiska wirtualnego:

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

Okna

Tworzenie nowego wirtualnego środowiska poprzez wybór interpreter Pythona i dokonywania .\venv Katalog, aby go utrzymać:

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

Aktywuj środowisko wirtualne:

.\venv\Scripts\activate

Instaluj pakiety w środowisku wirtualnym bez wpływu na konfigurację systemu hosta. Zacznij od modernizacji pip :

pip install --upgrade pip

pip list  # show packages installed within the virtual environment

Aby później wyjść ze środowiska wirtualnego:

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

Conda

Choć TensorFlow warunkiem pakiet pip jest zalecane, społeczność wspierany pakiet Anaconda jest dostępna. Aby zainstalować program, należy przeczytać podręcznik Anaconda TensorFlow .

3. Zainstaluj pakiet pip TensorFlow

Wybierz jedną z poniższych pakietów TensorFlow do zainstalowania z PyPI :

  • tensorflow -Latest stabilne wydanie z CPU i GPU (Ubuntu i Windows).
  • tf-nightly -preview build (niestabilny). Ubuntu i Windows to wsparcie GPU .
  • tensorflow==1.15 -The ostateczna wersja TensorFlow 1.x.

Instalacja środowiska wirtualnego

pip install --upgrade tensorflow

Sprawdź instalację:

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

Instalacja systemu

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

Sprawdź instalację:

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

Lokalizacja paczki

Kilka mechanizmów instalacji wymaga adresu URL pakietu TensorFlow Python. Podana wartość zależy od wersji Pythona.

Wersja URL
Linux
Obsługa GPU w Pythonie 3.6 https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-2.6.0-cp36-cp36m-manylinux2010_x86_64.whl
Tylko w Pythonie 3.6 https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow_cpu-2.6.0-cp36-cp36m-manylinux2010_x86_64.whl
Obsługa GPU w Pythonie 3.7 https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-2.6.0-cp37-cp37m-manylinux2010_x86_64.whl
Python 3.7 tylko z procesorem https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow_cpu-2.6.0-cp37-cp37m-manylinux2010_x86_64.whl
Obsługa GPU w Pythonie 3.8 https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-2.6.0-cp38-cp38-manylinux2010_x86_64.whl
Tylko procesor Python 3.8 https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow_cpu-2.6.0-cp38-cp38-manylinux2010_x86_64.whl
Obsługa GPU w Pythonie 3.9 https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-2.6.0-cp39-cp39-manylinux2010_x86_64.whl
Tylko w Pythonie 3.9 https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow_cpu-2.6.0-cp39-cp39-manylinux2010_x86_64.whl
macOS (tylko procesor)
Python 3.6 https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-2.6.0-cp36-cp36m-macosx_10_11_x86_64.whl
Python 3.7 https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-2.6.0-cp37-cp37m-macosx_10_11_x86_64.whl
Python 3.8 https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-2.6.0-cp38-cp38-macosx_10_11_x86_64.whl
Python 3.9 https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-2.6.0-cp39-cp39-macosx_10_11_x86_64.whl
Okna
Obsługa GPU w Pythonie 3.6 https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-2.6.0-cp36-cp36m-win_amd64.whl
Tylko w Pythonie 3.6 https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow_cpu-2.6.0-cp36-cp36m-win_amd64.whl
Obsługa GPU w Pythonie 3.7 https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-2.6.0-cp37-cp37m-win_amd64.whl
Python 3.7 tylko z procesorem https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow_cpu-2.6.0-cp37-cp37m-win_amd64.whl
Obsługa GPU w Pythonie 3.8 https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-2.6.0-cp38-cp38-win_amd64.whl
Tylko procesor Python 3.8 https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow_cpu-2.6.0-cp38-cp38-win_amd64.whl
Obsługa GPU w Pythonie 3.9 https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-2.6.0-cp39-cp39-win_amd64.whl
Tylko w Pythonie 3.9 https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow_cpu-2.6.0-cp39-cp39-win_amd64.whl