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 CPUtensorflow-gpu==1.15
: versão com suporte a GPUs (Ubuntu e Windows)
Requisitos do sistema
- Python 3.6–3.9
- A compatibilidade com o Python 3.9 requer o TensorFlow 2.5 ou mais recente.
- Para compatibilidade com o Python 3.8: TensorFlow 2.2 ou mais recente
- PIP 19.0 ou mais recente (requer suporte para
manylinux2010
) - Ubuntu 16.04 ou mais recente (64 bits)
- macOS 10.12.6 (Sierra) ou mais recente (64 bits) (sem suporte a GPUs)
- Para macOS: PIP 20.3 ou mais recente
- Windows 7 ou mais recente (64 bits)
- Para suporte a GPUs: placa ativada para CUDA® (Ubuntu e Windows)
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
Se esses pacotes já estiverem instalados, pule para a próxima etapa.
Caso contrário, instale o Python, o
gerenciador de pacotes PIP
e o venv:
Ubuntu
sudo apt update
sudo apt install python3-dev python3-pip python3-venv
macOS
Instale usando o gerenciador de pacotes Homebrew:
/usr/bin/ruby -e "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/master/install)"
export PATH="/usr/local/opt/python/libexec/bin:$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
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:
- Acesse os downloads do Microsoft Visual C++,
- Role a página para baixo até a seção Visual Studio 2015, 2017 e 2019.
- Faça o download e instale o Microsoft Visual C++ Redistribuível para Visual Studio 2015, 2017 e 2019 para sua plataforma.
Confira 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.
Outro
curl https://bootstrap.pypa.io/get-pip.py -o get-pip.py
python get-pip.py
2. Criar um ambiente virtual (recomendado)
Os ambientes virtuais do Python servem para isolar a instalação de pacotes do sistema.
Ubuntu / macOS
Crie um novo ambiente virtual escolhendo um intérprete de Python e criando um
diretório ./venv
para mantê-lo:
python3 -m venv --system-site-packages ./venv
Ative o ambiente virtual usando um comando específico do shell:
source ./venv/bin/activate # sh, bash, or zsh
. ./venv/bin/activate.fish # fish
source ./venv/bin/activate.csh # csh or tcsh
Quando o ambiente virtual está 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
Para sair do ambiente virtual posteriormente:
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:
python -m venv --system-site-packages .\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
Para sair do ambiente virtual posteriormente:
deactivate # don't exit until you're done using TensorFlow
Conda
Embora o pacote PIP fornecido com o TensorFlow seja o recomendado, está disponível um pacote Anaconda com suporte da comunidade. Para instalá-lo, leia o guia do TensorFlow Anaconda (em inglês).
3. Instalar o pacote PIP do TensorFlow
Escolha um dos seguintes pacotes do TensorFlow para instalar usando o PyPI:
tensorflow
: esta é a 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
: é a versão final do TensorFlow 1.x.
Instalação do ambiente virtual
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.
Versão | URL |
---|---|
Linux | |
Suporte a GPUs no Python 3.6 | https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-2.6.0-cp36-cp36m-manylinux2010_x86_64.whl |
Python 3.6 somente para CPU | https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow_cpu-2.6.0-cp36-cp36m-manylinux2010_x86_64.whl |
Suporte a GPUs no Python 3.7 | https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-2.6.0-cp37-cp37m-manylinux2010_x86_64.whl |
Python 3.7 somente para CPU | https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow_cpu-2.6.0-cp37-cp37m-manylinux2010_x86_64.whl |
Suporte a GPUs no Python 3.8 | https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-2.6.0-cp38-cp38-manylinux2010_x86_64.whl |
Python 3.8 somente para CPU | https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow_cpu-2.6.0-cp38-cp38-manylinux2010_x86_64.whl |
Suporte a GPUs no Python 3.9 | https://storage.googleapis.com/tensorflow/linux/gpu/tensorflow_gpu-2.6.0-cp39-cp39-manylinux2010_x86_64.whl |
Python 3.9 somente para CPU | https://storage.googleapis.com/tensorflow/linux/cpu/tensorflow_cpu-2.6.0-cp39-cp39-manylinux2010_x86_64.whl |
macOS (somente 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 |
Windows | |
Suporte a GPUs no Python 3.6 | https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-2.6.0-cp36-cp36m-win_amd64.whl |
Python 3.6 somente para CPU | https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow_cpu-2.6.0-cp36-cp36m-win_amd64.whl |
Suporte a GPUs no Python 3.7 | https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-2.6.0-cp37-cp37m-win_amd64.whl |
Python 3.7 somente para CPU | https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow_cpu-2.6.0-cp37-cp37m-win_amd64.whl |
Suporte a GPUs no Python 3.8 | https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-2.6.0-cp38-cp38-win_amd64.whl |
Python 3.8 somente para CPU | https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow_cpu-2.6.0-cp38-cp38-win_amd64.whl |
Suporte a GPUs no Python 3.9 | https://storage.googleapis.com/tensorflow/windows/gpu/tensorflow_gpu-2.6.0-cp39-cp39-win_amd64.whl |
Python 3.9 somente para CPU | https://storage.googleapis.com/tensorflow/windows/cpu/tensorflow_cpu-2.6.0-cp39-cp39-win_amd64.whl |