Help protect the Great Barrier Reef with TensorFlow on Kaggle Join Challenge

Installieren Sie TensorFlow mit pip

TensorFlow 2-Pakete sind verfügbar

  • tensorflow -latest stabile Version mit CPU und GPU - Unterstützung (Ubuntu und Windows)
  • tf-nightly -Vorschau Build (instabil). Ubuntu und Windows sind GPU - Unterstützung .

Ältere Versionen von TensorFlow

Für TensorFlow 1.x sind CPU- und GPU-Pakete getrennt:

  • tensorflow==1.15 -Release für CPU-only
  • tensorflow-gpu==1.15 -Release mit GPU - Unterstützung (Ubuntu und Windows)

System Anforderungen

  • Python 3.6–3.9
    • Die Unterstützung von Python 3.9 erfordert TensorFlow 2.5 oder höher.
    • Die Unterstützung von Python 3.8 erfordert TensorFlow 2.2 oder höher.
  • pip 19.0 oder höher (erfordert manylinux2010 Unterstützung)
  • Ubuntu 16.04 oder höher (64-Bit)
  • macOS 10.12.6 (Sierra) oder später (64-Bit) (keine GPU Unterstützung)
    • macOS erfordert pip 20.3 oder höher
  • Windows 7 oder höher (64-Bit)
  • GPU - Unterstützung erfordert eine CUDA®-fähige Karte (Ubuntu und Windows)

Hardware-Anforderungen

  • Beginnend mit TensorFlow 1.6, Binärdateien verwenden AVX Anweisungen , die auf älteren CPUs nicht ausgeführt werden kann.
  • Lesen Sie die GPU - Unterstützung Führung eine CUDA®-fähige GPU - Karte auf Ubuntu oder Windows einzurichten.

1. Installieren Sie die Python-Entwicklungsumgebung auf Ihrem System

Überprüfen Sie, ob Ihre Python-Umgebung bereits konfiguriert ist:

python3 --version
pip3 --version

Wenn diese Pakete bereits installiert sind, fahren Sie mit dem nächsten Schritt fort.
Andernfalls installiert Python , den pip Paket - Manager , und Venv :

Ubuntu

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

Mac OS

Installieren Sie das mit Homebrew Paket - Manager:

/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

Fenster

Installieren Sie das Microsoft Visual C ++ Redistributable für Visual Studio 2015, 2017 und 2019. Beginnend mit der TensorFlow 2.1.0 Version, die msvcp140_1.dll wird Datei aus diesem Paket benötigt (die von älteren verteilbaren Paketen kann nicht zur Verfügung gestellt werden). Die verteilbare kommt mit Visual Studio 2019, kann aber separat installiert werden:

  1. Gehen Sie auf die Microsoft Visual C ++ Downloads ,
  2. Blättern Sie in der Seite zu dem Visual Studio 2015, 2017 und 2019 Abschnitt.
  3. Herunterladen und Installieren des Microsoft Visual C ++ Redistributable für Visual Studio 2015, 2017 und 2019 für Ihre Plattform.

Achten Sie darauf , lange Wege aktiviert unter Windows.

Installieren Sie die 64-Bit - Python 3 - pip Release für Windows (wählen Sie pip als optionales Feature).

Sonstiges

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

Virtuelle Python-Umgebungen werden verwendet, um die Paketinstallation vom System zu isolieren.

Ubuntu / macOS

Erstellen Sie eine neue virtuelle Umgebung durch eine Python - Interpreter Auswahl und machen ./venv Verzeichnis es zu halten:

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

Aktivieren Sie die virtuelle Umgebung mit einem Shell-spezifischen Befehl:

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

Wenn die virtuelle Umgebung aktiv ist, wird Ihre Shell - Prompt mit dem Präfix (venv) .

Installieren Sie Pakete in einer virtuellen Umgebung, ohne das Hostsystem-Setup zu beeinträchtigen. Beginnen Sie mit der Modernisierung pip :

pip install --upgrade pip

pip list  # show packages installed within the virtual environment

Und um die virtuelle Umgebung später zu verlassen:

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

Fenster

Erstellen Sie eine neue virtuelle Umgebung durch ein Python - Interpreter der Auswahl und ein .\venv Verzeichnis zu halten:

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

Aktivieren Sie die virtuelle Umgebung:

.\venv\Scripts\activate

Installieren Sie Pakete in einer virtuellen Umgebung, ohne das Hostsystem-Setup zu beeinträchtigen. Beginnen Sie mit der Modernisierung pip :

pip install --upgrade pip

pip list  # show packages installed within the virtual environment

Und um die virtuelle Umgebung später zu verlassen:

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

Conda

Während die TensorFlow vorgesehen Pip - Paket wird empfohlen, eine von der Community unterstützt Anaconda - Paket zur Verfügung. So installieren, lesen Sie die Anleitung Anaconda TensorFlow .

3. Installieren Sie das TensorFlow-Pip-Paket

Wählen Sie eine der folgenden TensorFlow Pakete zu installieren , von PyPI :

  • tensorflow -latest stabile Version mit CPU und GPU - Unterstützung (Ubuntu und Windows).
  • tf-nightly -Vorschau Build (instabil). Ubuntu und Windows sind GPU - Unterstützung .
  • tensorflow==1.15 -Die endgültige Version von TensorFlow 1.x

Virtuelle Umgebung installieren

pip install --upgrade tensorflow

Überprüfen Sie die Installation:

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

Systeminstallation

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

Überprüfen Sie die Installation:

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

Paketstandort

Einige Installationsmechanismen erfordern die URL des TensorFlow Python-Pakets. Der von Ihnen angegebene Wert hängt von Ihrer Python-Version ab.

Ausführung URL
Linux
Python 3.6-GPU-Unterstützung https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-2.6.0-cp36-cp36m-manylinux2010_x86_64.whl
Nur Python 3.6 CPU https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow_cpu-2.6.0-cp36-cp36m-manylinux2010_x86_64.whl
Python 3.7-GPU-Unterstützung https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-2.6.0-cp37-cp37m-manylinux2010_x86_64.whl
Nur Python 3.7 CPU https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow_cpu-2.6.0-cp37-cp37m-manylinux2010_x86_64.whl
Python 3.8-GPU-Unterstützung https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-2.6.0-cp38-cp38-manylinux2010_x86_64.whl
Nur Python 3.8 CPU https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow_cpu-2.6.0-cp38-cp38-manylinux2010_x86_64.whl
Python 3.9-GPU-Unterstützung https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-2.6.0-cp39-cp39-manylinux2010_x86_64.whl
Nur Python 3.9 CPU https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow_cpu-2.6.0-cp39-cp39-manylinux2010_x86_64.whl
macOS (nur CPU)
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
Fenster
Python 3.6-GPU-Unterstützung https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-2.6.0-cp36-cp36m-win_amd64.whl
Nur Python 3.6 CPU https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow_cpu-2.6.0-cp36-cp36m-win_amd64.whl
Python 3.7-GPU-Unterstützung https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-2.6.0-cp37-cp37m-win_amd64.whl
Nur Python 3.7 CPU https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow_cpu-2.6.0-cp37-cp37m-win_amd64.whl
Python 3.8-GPU-Unterstützung https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-2.6.0-cp38-cp38-win_amd64.whl
Nur Python 3.8 CPU https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow_cpu-2.6.0-cp38-cp38-win_amd64.whl
Python 3.9-GPU-Unterstützung https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-2.6.0-cp39-cp39-win_amd64.whl
Nur Python 3.9 CPU https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow_cpu-2.6.0-cp39-cp39-win_amd64.whl