ติดตั้ง TensorFlow ด้วย pip

คู่มือนี้มีไว้สำหรับ TensorFlow เวอร์ชันเสถียรล่าสุด สำหรับรุ่นตัวอย่าง (nightly) โปรดใช้แพ็คเกจ pip ชื่อ tf-nightly อ้างถึง ตารางเหล่านี้ สำหรับข้อกำหนดเวอร์ชัน TensorFlow ที่เก่ากว่า สำหรับผู้ใช้ TensorFlow 1.x โปรดดู คู่มือการโยกย้าย เพื่ออัปเกรดเป็น TensorFlow 2

นี่คือตารางค้นหาคำสั่งการติดตั้ง เลื่อนลงเพื่อดูคำแนะนำทีละขั้นตอน

ลินุกซ์

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'))"

MacOS

# 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])))"

Windows

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'))"

ซีพียู

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

ทุกคืน

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

ข้อกำหนดฮาร์ดแวร์

รองรับอุปกรณ์ที่รองรับ GPU ต่อไปนี้:

  • การ์ด GPU NVIDIA® พร้อมสถาปัตยกรรม CUDA® 3.5, 5.0, 6.0, 7.0, 7.5, 8.0 และสูงกว่า ดูรายการ การ์ด GPU ที่รองรับ CUDA®
  • สำหรับ GPU ที่มีสถาปัตยกรรม CUDA® ที่ไม่รองรับ หรือเพื่อหลีกเลี่ยงการรวบรวม JIT จาก PTX หรือใช้ไลบรารี NVIDIA® เวอร์ชันต่างๆ โปรดดูที่ Linux build จากคู่มือต้นทาง
  • แพ็คเกจไม่มีรหัส PTX ยกเว้นสถาปัตยกรรม CUDA® ล่าสุดที่รองรับ ดังนั้น TensorFlow จึงไม่โหลด GPU รุ่นเก่าเมื่อตั้งค่า CUDA_FORCE_PTX_JIT=1 (ดูรายละเอียด ความเข้ากันได้ของแอปพลิเคชัน )

ความต้องการของระบบ

  • Ubuntu 16.04 หรือสูงกว่า (64 บิต)
  • macOS 10.12.6 (Sierra) หรือสูงกว่า (64 บิต) (ไม่รองรับ GPU)
  • Windows 7 หรือสูงกว่า (64 บิต)

ข้อกำหนดของซอฟต์แวร์

ซอฟต์แวร์ NVIDIA® ต่อไปนี้จำเป็นสำหรับการรองรับ GPU เท่านั้น

คำแนะนำทีละขั้นตอน

ลินุกซ์

เราสนับสนุน Ubuntu อย่างเป็นทางการเท่านั้น อย่างไรก็ตาม คำแนะนำต่อไปนี้อาจใช้ได้กับ Linux distros อื่นๆ

เราขอแนะนำให้ใช้ Miniconda เพื่อสร้างสภาพแวดล้อมแยกต่างหากเพื่อหลีกเลี่ยงการเปลี่ยนแปลงซอฟต์แวร์ที่ติดตั้งในระบบของคุณ นี่เป็นวิธีที่ง่ายที่สุดในการติดตั้งซอฟต์แวร์ที่จำเป็น โดยเฉพาะอย่างยิ่งสำหรับการตั้งค่า GPU

1. ติดตั้ง Miniconda

คุณสามารถใช้คำสั่งต่อไปนี้เพื่อติดตั้ง Miniconda ระหว่างการติดตั้ง คุณอาจต้องกด Enter และพิมพ์ "ใช่"

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

คุณอาจต้องรีสตาร์ทเทอร์มินัลหรือ source ~/.bashrc เพื่อเปิดใช้งานคำสั่ง conda ใช้ conda -V เพื่อทดสอบว่าติดตั้งสำเร็จหรือไม่

2. สร้างสภาพแวดล้อม conda

สร้างสภาพแวดล้อม conda ใหม่ชื่อ tf ด้วยคำสั่งต่อไปนี้

conda create --name tf python=3.9

คุณสามารถปิดใช้งานและเปิดใช้งานได้ด้วยคำสั่งต่อไปนี้

conda deactivate
conda activate tf

โปรดตรวจสอบให้แน่ใจว่าได้เปิดใช้งานตลอดการติดตั้งที่เหลือ

3. การตั้งค่า GPU

คุณสามารถข้ามส่วนนี้หากคุณเรียกใช้ TensorFlow บน CPU เท่านั้น

อันดับแรก เราต้องติดตั้ง ไดรเวอร์ NVIDIA GPU หากคุณยังไม่มี คุณสามารถใช้คำสั่งต่อไปนี้เพื่อตรวจสอบว่าได้ติดตั้งแล้ว

nvidia-smi

จากนั้น เราติดตั้ง CUDA, cuDNN ด้วย conda

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

กำหนดค่าเส้นทางของระบบ คุณสามารถทำได้ด้วยคำสั่งต่อไปนี้ทุกครั้งที่คุณเริ่มต้นเทอร์มินัลใหม่หลังจากเปิดใช้งานสภาพแวดล้อม conda ของคุณ

export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:$CONDA_PREFIX/lib/

อย่างไรก็ตาม เพื่อความสะดวกของคุณ เราแนะนำให้ทำการอัตโนมัติด้วยคำสั่งต่อไปนี้ เส้นทางของระบบจะได้รับการกำหนดค่าโดยอัตโนมัติเมื่อคุณเปิดใช้งานสภาพแวดล้อม conda นี้

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. ติดตั้ง TensorFlow

TensorFlow ต้องใช้ pip เวอร์ชันล่าสุด ดังนั้นอัปเกรดการติดตั้ง pip ของคุณเพื่อให้แน่ใจว่าคุณใช้เวอร์ชันล่าสุด

pip install --upgrade pip

จากนั้นติดตั้ง TensorFlow ด้วย pip

pip install tensorflow

5. ตรวจสอบการติดตั้ง

ตรวจสอบการตั้งค่า CPU:

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

หากมีการส่งคืนเทนเซอร์ แสดงว่าคุณได้ติดตั้ง TensorFlow สำเร็จแล้ว

ตรวจสอบการตั้งค่า GPU:

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

หากส่งคืนรายการอุปกรณ์ GPU แสดงว่าคุณได้ติดตั้ง TensorFlow สำเร็จแล้ว

MacOS

ขณะนี้ เรายังไม่มีการสนับสนุน GPU อย่างเป็นทางการสำหรับการเรียกใช้ TensorFlow บน MacOS ต่อไปนี้เป็นคำแนะนำสำหรับการรันบน CPU

1. ตรวจสอบเวอร์ชัน Python

ตรวจสอบว่าสภาพแวดล้อม Python ของคุณได้รับการกำหนดค่าแล้ว:

python3 --version
python3 -m pip --version

หากคุณมี Python และ pip ​​เวอร์ชันที่ถูกต้อง คุณสามารถข้ามสองขั้นตอนถัดไปและไปที่ "4. ติดตั้ง TensorFlow" อย่างไรก็ตาม เรายังคงแนะนำว่าอย่าข้ามขั้นตอน ใช้ Miniconda เพื่อติดตั้ง Python และ pip มันสร้างสภาพแวดล้อมแยกต่างหากเพื่อหลีกเลี่ยงการเปลี่ยนแปลงซอฟต์แวร์ที่ติดตั้งในระบบของคุณ

2. ติดตั้ง Miniconda

คุณสามารถใช้คำสั่งต่อไปนี้เพื่อติดตั้ง Miniconda ระหว่างการติดตั้ง คุณอาจต้องกด Enter และพิมพ์ "ใช่"

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

คุณอาจต้องรีสตาร์ทเทอร์มินัลหรือ source ~/.bashrc เพื่อเปิดใช้งานคำสั่ง conda ใช้ conda -V เพื่อทดสอบว่าติดตั้งสำเร็จหรือไม่

3. สร้างสภาพแวดล้อม conda

สร้างสภาพแวดล้อม conda ใหม่ชื่อ tf ด้วยคำสั่งต่อไปนี้

conda create --name tf python=3.9

คุณสามารถปิดใช้งานและเปิดใช้งานได้ด้วยคำสั่งต่อไปนี้

conda deactivate
conda activate tf

โปรดตรวจสอบให้แน่ใจว่าได้เปิดใช้งานตลอดการติดตั้งที่เหลือ

4. ติดตั้ง TensorFlow

TensorFlow ต้องใช้ pip เวอร์ชันล่าสุด ดังนั้นอัปเกรดการติดตั้ง pip ของคุณเพื่อให้แน่ใจว่าคุณใช้เวอร์ชันล่าสุด

pip install --upgrade pip

จากนั้นติดตั้ง TensorFlow ด้วย pip

pip install tensorflow

5. ตรวจสอบการติดตั้ง

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

หากมีการส่งคืนเทนเซอร์ แสดงว่าคุณได้ติดตั้ง TensorFlow สำเร็จแล้ว

Windows

1. ติดตั้ง Microsoft Visual C++ Redistributable

ติดตั้ง Microsoft Visual C++ Redistributable สำหรับ Visual Studio 2015, 2017 และ 2019 เริ่มต้นด้วยเวอร์ชัน TensorFlow 2.1.0 ไฟล์ msvcp140_1.dll เป็นสิ่งจำเป็นจากแพ็คเกจนี้ (ซึ่งอาจไม่ได้มาจากแพ็คเกจที่แจกจ่ายซ้ำได้รุ่นเก่า) แจกจ่ายซ้ำได้มาพร้อมกับ Visual Studio 2019 แต่สามารถติดตั้งแยกต่างหากได้:

  1. ไปที่การ ดาวน์โหลด Microsoft Visual C++
  2. เลื่อนลงมาที่ส่วน Visual Studio 2015, 2017 และ 2019
  3. ดาวน์โหลดและติดตั้ง Microsoft Visual C++ Redistributable สำหรับ Visual Studio 2015, 2017 และ 2019 สำหรับแพลตฟอร์มของคุณ

ตรวจสอบให้แน่ใจว่า ได้เปิดใช้งานเส้นทางยาว บน Windows

2. ติดตั้ง Miniconda

เราขอแนะนำให้ใช้ Miniconda เพื่อสร้างสภาพแวดล้อมแยกต่างหากเพื่อหลีกเลี่ยงการเปลี่ยนแปลงซอฟต์แวร์ที่ติดตั้งในระบบของคุณ นี่เป็นวิธีที่ง่ายที่สุดในการติดตั้งซอฟต์แวร์ที่จำเป็น โดยเฉพาะอย่างยิ่งสำหรับการตั้งค่า GPU

ดาวน์โหลดตัว ติดตั้ง Miniconda Windows ดับเบิลคลิกที่ไฟล์ที่ดาวน์โหลดและทำตามคำแนะนำบนหน้าจอ

3. สร้างสภาพแวดล้อม conda

สร้างสภาพแวดล้อม conda ใหม่ชื่อ tf ด้วยคำสั่งต่อไปนี้

conda create --name tf python=3.9

คุณสามารถปิดใช้งานและเปิดใช้งานได้ด้วยคำสั่งต่อไปนี้

conda deactivate
conda activate tf

โปรดตรวจสอบให้แน่ใจว่าได้เปิดใช้งานตลอดการติดตั้งที่เหลือ

4. การตั้งค่า GPU

คุณสามารถข้ามส่วนนี้หากคุณเรียกใช้ TensorFlow บน CPU เท่านั้น

อันดับแรก เราต้องติดตั้ง ไดรเวอร์ NVIDIA GPU หากคุณยังไม่มี

จากนั้น เราติดตั้ง CUDA, cuDNN ด้วย conda

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

5. ติดตั้ง TensorFlow

TensorFlow ต้องใช้ pip เวอร์ชันล่าสุด ดังนั้นอัปเกรดการติดตั้ง pip ของคุณเพื่อให้แน่ใจว่าคุณใช้เวอร์ชันล่าสุด

pip install --upgrade pip

จากนั้นติดตั้ง TensorFlow ด้วย pip

pip install tensorflow

6. ตรวจสอบการติดตั้ง

ตรวจสอบการตั้งค่า CPU:

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

หากมีการส่งคืนเทนเซอร์ แสดงว่าคุณได้ติดตั้ง TensorFlow สำเร็จแล้ว

ตรวจสอบการตั้งค่า GPU:

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

หากส่งคืนรายการอุปกรณ์ GPU แสดงว่าคุณได้ติดตั้ง TensorFlow สำเร็จแล้ว

ที่ตั้งของแพ็คเกจ

กลไกการติดตั้งบางอย่างต้องการ URL ของแพ็คเกจ TensorFlow Python ค่าที่คุณระบุขึ้นอยู่กับเวอร์ชัน Python ของคุณ

เวอร์ชั่น URL
ลินุกซ์
รองรับ Python 3.7 GPU 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 CPU เท่านั้น https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow_cpu-2.9.0-cp37-cp37m-manylinux_2_17_x86_64.manylinux2014_x86_64.whl
รองรับ Python 3.8 GPU 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 CPU เท่านั้น https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow_cpu-2.9.0-cp38-cp38-manylinux_2_17_x86_64.manylinux2014_x86_64.whl
รองรับ Python 3.9 GPU 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 CPU เท่านั้น https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow_cpu-2.9.0-cp39-cp39-manylinux_2_17_x86_64.manylinux2014_x86_64.whl
รองรับ Python 3.10 GPU 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 CPU เท่านั้น https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow_cpu-2.9.0-cp310-cp310-manylinux_2_17_x86_64.manylinux2014_x86_64.whl
macOS (เฉพาะ 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
Windows
รองรับ Python 3.7 GPU https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-2.9.0-cp37-cp37m-win_amd64.whl
Python 3.7 CPU เท่านั้น https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow_cpu-2.9.0-cp37-cp37m-win_amd64.whl
รองรับ Python 3.8 GPU https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-2.9.0-cp38-cp38-win_amd64.whl
Python 3.8 CPU เท่านั้น https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow_cpu-2.9.0-cp38-cp38-win_amd64.whl
รองรับ Python 3.9 GPU https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-2.9.0-cp39-cp39-win_amd64.whl
Python 3.9 CPU เท่านั้น https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow_cpu-2.9.0-cp39-cp39-win_amd64.whl
รองรับ Python 3.10 GPU https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-2.9.0-cp310-cp310-win_amd64.whl
Python 3.10 CPU เท่านั้น https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow_cpu-2.9.0-cp310-cp310-win_amd64.whl