Установите TensorFlow с помощью pip

линукс

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])))"

Собственный Windows

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'))"

Процессор

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

Ночной

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

линукс

1. Системные требования

• Ubuntu 16.04 или выше (64-разрядная версия)

TensorFlow официально поддерживает только Ubuntu. Однако следующие инструкции могут работать и для других дистрибутивов Linux.

2. Установите Миниконду

Miniconda — рекомендуемый подход для установки TensorFlow с поддержкой графического процессора. Он создает отдельную среду, чтобы избежать изменения какого-либо установленного программного обеспечения в вашей системе. Это также самый простой способ установить необходимое программное обеспечение, особенно для настройки графического процессора.

Вы можете использовать следующую команду для установки Miniconda. Во время установки вам может понадобиться нажать Enter и ввести «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

Вам может потребоваться перезапустить терминал или source ~/.bashrc , чтобы включить команду conda . Используйте conda -V , чтобы проверить, успешно ли он установлен.

3. Создайте среду conda

Создайте новую среду conda с именем tf с помощью следующей команды.

conda create --name tf python=3.9

Вы можете деактивировать и активировать его с помощью следующих команд.

conda deactivate
conda activate tf

Убедитесь, что он активирован для остальной части установки.

4. Настройка графического процессора

Вы можете пропустить этот раздел, если вы запускаете TensorFlow только на ЦП.

Сначала установите драйвер графического процессора NVIDIA, если у вас его нет. Вы можете использовать следующую команду, чтобы убедиться, что он установлен.

nvidia-smi

Затем установите CUDA и cuDNN с помощью conda и pip.

conda install -c conda-forge cudatoolkit=11.8.0
pip install nvidia-cudnn-cu11==8.6.0.163

Настройте системные пути. Вы можете делать это с помощью следующей команды каждый раз, когда запускаете новый терминал после активации среды conda.

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

Для вашего удобства рекомендуется автоматизировать его с помощью следующих команд. Системные пути будут автоматически настроены при активации этой среды conda.

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. Установите TensorFlow

Для TensorFlow требуется последняя версия pip, поэтому обновите установку pip, чтобы убедиться, что вы используете последнюю версию.

pip install --upgrade pip

Затем установите TensorFlow с помощью pip.

pip install tensorflow==2.13.*

6. Проверить установку

Проверьте настройку ЦП:

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

Если возвращается тензор, вы успешно установили TensorFlow.

Проверьте настройку графического процессора:

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

Если возвращается список устройств GPU, вы успешно установили TensorFlow.

Убунту 22.04

В Ubuntu 22.04 вы можете столкнуться со следующей ошибкой:

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]

Чтобы исправить эту ошибку, вам нужно будет выполнить следующие команды.

# 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. Системные требования

• macOS 10.12.6 (Sierra) или выше (64-разрядная версия)

В настоящее время нет официальной поддержки GPU для запуска TensorFlow в MacOS. Следующие инструкции предназначены для работы на процессоре.

2. Проверьте версию Python

Проверьте, настроена ли ваша среда Python:

python3 --version
python3 -m pip --version

3. Установите Миниконду

Miniconda — рекомендуемый подход для установки TensorFlow. Он создает отдельную среду, чтобы избежать изменения какого-либо установленного программного обеспечения в вашей системе.

Установите миниконду:

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

Вам может потребоваться перезапустить терминал или source ~/.bashrc , чтобы включить команду conda . Используйте conda -V , чтобы проверить, успешно ли он установлен.

4. Создайте среду conda

Создайте новую среду conda с именем tf с помощью следующей команды.

conda create --name tf python=3.9

Вы можете деактивировать и активировать его с помощью следующих команд.

conda deactivate
conda activate tf

Убедитесь, что он активирован для остальной части установки.

5. Установите TensorFlow

Для TensorFlow требуется последняя версия pip, поэтому обновите установку pip, чтобы убедиться, что вы используете последнюю версию.

pip install --upgrade pip

Затем установите TensorFlow с помощью pip.

pip install tensorflow

6. Проверить установку

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

Если возвращается тензор, вы успешно установили TensorFlow.

Собственный Windows

1. Системные требования

• Windows 7 или выше (64-разрядная версия)

2. Установите распространяемый пакет Microsoft Visual C++.

Установите распространяемый пакет Microsoft Visual C++ для Visual Studio 2015, 2017 и 2019 . Начиная с версии TensorFlow 2.1.0, из этого пакета требуется файл msvcp140_1.dll (который может отсутствовать в более старых распространяемых пакетах). Распространяемый компонент поставляется с Visual Studio 2019 , но его можно установить отдельно:

1. Перейдите к загрузкам Microsoft Visual C++ .
2. Прокрутите страницу вниз до раздела Visual Studio 2015, 2017 и 2019 .
3. Загрузите и установите распространяемый пакет Microsoft Visual C++ для Visual Studio 2015, 2017 и 2019 для своей платформы.

Убедитесь, что длинные пути включены в Windows.

3. Установите Миниконду

Miniconda — рекомендуемый подход для установки TensorFlow с поддержкой графического процессора. Он создает отдельную среду, чтобы избежать изменения какого-либо установленного программного обеспечения в вашей системе. Это также самый простой способ установить необходимое программное обеспечение, особенно для настройки графического процессора.

Загрузите установщик Miniconda для Windows . Дважды щелкните загруженный файл и следуйте инструкциям на экране.

4. Создайте среду conda

Создайте новую среду conda с именем tf с помощью следующей команды.

conda create --name tf python=3.9

Вы можете деактивировать и активировать его с помощью следующих команд.

conda deactivate
conda activate tf

Убедитесь, что он активирован для остальной части установки.

5. Настройка графического процессора

Вы можете пропустить этот раздел, если вы запускаете TensorFlow только на процессоре.

Сначала установите драйвер NVIDIA GPU, если у вас его нет.

Затем установите CUDA, cuDNN с conda.

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

6. Установите TensorFlow

Для TensorFlow требуется последняя версия pip, поэтому обновите установку pip, чтобы убедиться, что вы используете последнюю версию.

pip install --upgrade pip

Затем установите TensorFlow с помощью pip.

# Anything above 2.10 is not supported on the GPU on Windows Native
pip install "tensorflow<2.11" 

7. Проверить установку

Проверьте настройку ЦП:

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

Если возвращается тензор, вы успешно установили TensorFlow.

Проверьте настройку графического процессора:

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

Если возвращается список устройств GPU, вы успешно установили TensorFlow.

Windows WSL2

1. Системные требования

• Windows 10 19044 или выше (64-разрядная версия). Это соответствует Windows 10 версии 21H2, ноябрьскому обновлению 2021 года.

См. следующие документы, чтобы:

• Загрузите последнее обновление Windows 10 .
• Установите WSL2
• Настройка поддержки NVIDIA® GPU в WSL2

2. Установите Миниконду

Miniconda — рекомендуемый подход для установки TensorFlow с поддержкой графического процессора. Он создает отдельную среду, чтобы избежать изменения какого-либо установленного программного обеспечения в вашей системе. Это также самый простой способ установить необходимое программное обеспечение, особенно для настройки графического процессора.

Вы можете использовать следующую команду для установки Miniconda. Во время установки вам может понадобиться нажать Enter и ввести «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

Вам может потребоваться перезапустить терминал или source ~/.bashrc , чтобы включить команду conda . Используйте conda -V , чтобы проверить, успешно ли он установлен.

3. Создайте среду conda

Создайте новую среду conda с именем tf с помощью следующей команды.

conda create --name tf python=3.9

Вы можете деактивировать и активировать его с помощью следующих команд.

conda deactivate
conda activate tf

Убедитесь, что он активирован для остальной части установки.

4. Настройка графического процессора

Вы можете пропустить этот раздел, если вы запускаете TensorFlow только на ЦП.

Сначала установите драйвер графического процессора NVIDIA, если у вас его нет. Вы можете использовать следующую команду, чтобы убедиться, что он установлен.

nvidia-smi

Затем установите CUDA и cuDNN с помощью conda и pip.

conda install -c conda-forge cudatoolkit=11.8.0
pip install nvidia-cudnn-cu11==8.6.0.163

Настройте системные пути. Вы можете делать это с помощью следующей команды каждый раз, когда запускаете новый терминал после активации среды conda.

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/

Для вашего удобства рекомендуется автоматизировать его с помощью следующих команд. Системные пути будут автоматически настроены при активации этой среды conda.

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. Установите TensorFlow

Для TensorFlow требуется последняя версия pip, поэтому обновите установку pip, чтобы убедиться, что вы используете последнюю версию.

pip install --upgrade pip

Затем установите TensorFlow с помощью pip.

pip install tensorflow==2.13.*

6. Проверить установку

Проверьте настройку ЦП:

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

Если возвращается тензор, вы успешно установили TensorFlow.

Проверьте настройку графического процессора:

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

Если возвращается список устройств GPU, вы успешно установили TensorFlow.