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

Instalar o TensorFlow com PIP

Pacotes do TensorFlow 2 disponíveis

  • tensorflow: versão estável mais recente com suporte a GPUs e CPUs (Ubuntu e Windows)
  • tf-nightly: versão de visualização (instável). O Ubuntu e o Windows incluem suporte a GPUs.

Versões mais antigas do TensorFlow

Para os pacotes TensorFlow 1.x, os pacotes CPU e GPU são separados:

  • tensorflow==1.15: versão somente para CPU
  • tensorflow-gpu==1.15: versão com suporte a GPUs (Ubuntu e Windows)

Requisitos do sistema

Requisitos de hardware

  • Começando com o TensorFlow 1.6, os binários usam instruções AVX que talvez não sejam executadas em CPUs mais antigas.
  • Leia o guia de suporte a GPUs para configurar uma placa GPU ativada para CUDA® no Ubuntu ou no Windows.

1. Instalar o ambiente para desenvolvedores do Python no sistema

Verifique se o ambiente Python já está configurado:

python3 --version
pip3 --version
virtualenv --version

Se esses pacotes já estiverem instalados, pule para a próxima etapa.
Caso contrário, instale o Python, o gerenciador de pacotes PIP e o Virtualenv:

Ubuntu

sudo apt update
sudo apt install python3-dev python3-pip
sudo pip3 install -U virtualenv  # system-wide install

macOS

Instale usando o gerenciador de pacotes Homebrew:

/usr/bin/ruby -e "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/master/install)"
export PATH="/usr/local/bin:/usr/local/sbin:$PATH"
brew update
brew install python  # Python 3
sudo pip3 install -U virtualenv  # system-wide install

Windows

Instale o Microsoft Visual C++ Redistribuível para Visual Studio 2015, 2017 e 2019. Começando com a versão 2.1.0 do TensorFlow, o arquivo msvcp140_1.dll é exigido para este pacote (que pode não acompanhar pacotes redistribuíveis mais antigos). O redistribuível vem com o Visual Studio 2019, mas pode ser instalado separadamente:

  1. Acesse os downloads do Microsoft Visual C++,
  2. Role a página para baixo até a seção Visual Studio 2015, 2017 e 2019.
  3. Faça o download e instale o Microsoft Visual C++ Redistribuível para Visual Studio 2015, 2017 e 2019 para sua plataforma.

Verifique se os caminhos longos estão ativados no Windows.

Instale a versão de 64 bits do Python 3 para Windows (selecione pip como um recurso opcional).

pip3 install -U pip virtualenv

Raspberry Pi

Requisitos para o sistema operacional Raspbian:

sudo apt update
sudo apt install python3-dev python3-pip
sudo apt install libatlas-base-dev        # required for numpy
sudo pip3 install -U virtualenv           # system-wide install

Outro

curl https://bootstrap.pypa.io/get-pip.py -o get-pip.py
python get-pip.py
sudo pip3 install -U virtualenv  # system-wide install

Os ambientes virtuais do Python servem para isolar a instalação de pacotes do sistema.

Ubuntu / mac OS

Crie um novo ambiente virtual escolhendo um intérprete de Python e criando um diretório ./venv para mantê-lo:

virtualenv --system-site-packages -p python3 ./venv

Ative o ambiente virtual usando um comando específico do shell:

source ./venv/bin/activate  # sh, bash, ksh, or zsh

Quando o virtualenv estiver ativo, o prompt do shell é prefixado com (venv).

Instale pacotes em um ambiente virtual sem afetar a configuração do sistema host. Comece fazendo upgrade de pip:

pip install --upgrade pip

pip list  # show packages installed within the virtual environment

E para sair do virtualenv mais tarde:

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

Windows

Crie um novo ambiente virtual escolhendo um intérprete de Python e criando um diretório .\venv para mantê-lo:

virtualenv --system-site-packages -p python3 ./venv

Ative o ambiente virtual:

.\venv\Scripts\activate

Instale pacotes em um ambiente virtual sem afetar a configuração do sistema host. Comece fazendo upgrade de pip:

pip install --upgrade pip

pip list  # show packages installed within the virtual environment

E para sair do virtualenv mais tarde:

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

Conda

Crie um novo ambiente virtual escolhendo um intérprete de Python e criando um diretório ./venv para mantê-lo:

conda create -n venv pip python=3.7  # select python version

Ative o ambiente virtual:

source activate venv

No ambiente virtual, instale o pacote PIP do TensorFlow usando seu URL completo:

pip install --ignore-installed --upgrade packageURL

E para sair do virtualenv mais tarde:

source deactivate

3. Instale o pacote PIP do TensorFlow

Escolha um dos seguintes pacotes do TensorFlow para instalar usando o PyPI:

  • tensorflow: versão estável mais recente com suporte a GPUs e CPUs (Ubuntu e Windows)
  • tf-nightly: versão de visualização (instável). O Ubuntu e o Windows incluem suporte a GPUs.
  • tensorflow==1.15: a versão final do TensorFlow 1.x.

Instalação do Virtualenv

pip install --upgrade tensorflow

Verificar a instalação:

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

Instalação do sistema

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

Verificar a instalação:

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

Localização do pacote

Alguns mecanismos de instalação exigem o URL do pacote Python do TensorFlow. O valor especificado depende da versão do Python.

VersãoURL
Linux
Suporte a GPUs no Python 2.7 https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-2.1.0-cp27-cp27mu-manylinux2010_x86_64.whl
Python 2.7 somente para CPU https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow_cpu-2.1.0-cp27-cp27mu-manylinux2010_x86_64.whl
Suporte a GPUs no Python 3.5 https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-2.1.0-cp35-cp35m-manylinux2010_x86_64.whl
Python 3.5 somente para CPU https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow_cpu-2.1.0-cp35-cp35m-manylinux2010_x86_64.whl
Suporte a GPUs no Python 3.6 https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-2.1.0-cp36-cp36m-manylinux2010_x86_64.whl
Python 3.6 somente para CPU https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow_cpu-2.1.0-cp36-cp36m-manylinux2010_x86_64.whl
Suporte a GPUs no Python 3.7 https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-2.1.0-cp37-cp37m-manylinux2010_x86_64.whl
Python 3.7 somente para CPU https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow_cpu-2.1.0-cp37-cp37m-manylinux2010_x86_64.whl
macOS (somente CPU)
Python 2.7 https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-2.1.0-cp27-cp27m-macosx_10_9_x86_64.whl
Python 3.5 https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-2.1.0-cp35-cp35m-macosx_10_6_intel.whl
Python 3.6 https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-2.1.0-cp36-cp36m-macosx_10_9_x86_64.whl
Python 3.7 https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-2.1.0-cp37-cp37m-macosx_10_9_x86_64.whl
Windows
Suporte a GPUs no Python 3.5 https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-2.1.0-cp35-cp35m-win_amd64.whl
Python 3.5 somente para CPU https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow_cpu-2.1.0-cp35-cp35m-win_amd64.whl
Suporte a GPUs no Python 3.6 https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-2.1.0-cp36-cp36m-win_amd64.whl
Python 3.6 somente para CPU https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow_cpu-2.1.0-cp36-cp36m-win_amd64.whl
Suporte a GPUs no Python 3.7 https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-2.1.0-cp37-cp37m-win_amd64.whl
Python 3.7 somente para CPU https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow_cpu-2.1.0-cp37-cp37m-win_amd64.whl
Raspberry PI (somente para CPU)
Python 3, Pi0 ou Pi1 https://storage.googleapis.com/tensorflow/raspberrypi/tensorflow-2.1.0-cp35-none-linux_armv6l.whl
Python 3, Pi2 ou Pi3 https://storage.googleapis.com/tensorflow/raspberrypi/tensorflow-2.1.0-cp35-none-linux_armv7l.whl