Google I/O is a wrap! Catch up on TensorFlow sessions View sessions

स्रोत से निर्माण

स्रोत से TensorFlow pip पैकेज बनाएं और इसे Ubuntu Linux और macOS पर इंस्टॉल करें। जबकि निर्देश अन्य प्रणालियों के लिए काम कर सकते हैं, यह केवल उबंटू और मैकओएस के लिए परीक्षण और समर्थित है।

Linux और macOS के लिए सेटअप

अपने विकास परिवेश को कॉन्फ़िगर करने के लिए निम्नलिखित बिल्ड टूल इंस्टॉल करें।

Python और TensorFlow पैकेज निर्भरताएँ स्थापित करें

उबंटू

sudo apt install python3-dev python3-pip

मैक ओएस

Xcode 9.2 या बाद के संस्करण की आवश्यकता है।

Homebrew पैकेज मैनेजर का उपयोग करके इंस्टॉल करें:

/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 install python

TensorFlow pip पैकेज निर्भरता स्थापित करें (यदि वर्चुअल वातावरण का उपयोग कर रहे हैं, तो --user तर्क को छोड़ दें):

pip install -U --user pip numpy wheel packaging
pip install -U --user keras_preprocessing --no-deps

बेज़ेल स्थापित करें

TensorFlow बनाने के लिए, आपको Bazel इंस्टॉल करना होगा। Bazelisk , Bazel को स्थापित करने का एक आसान तरीका है और स्वचालित रूप से TensorFlow के लिए सही Bazel संस्करण डाउनलोड करता है। उपयोग में आसानी के लिए, अपने PATH में bazel को bazel निष्पादन योग्य के रूप में जोड़ें।

यदि बेज़ेलिस्क उपलब्ध नहीं है, तो आप मैन्युअल रूप से बाज़ेल स्थापित कर सकते हैं। समर्थित Bazel संस्करण स्थापित करना सुनिश्चित करें: _TF_MIN_BAZEL_VERSION और _TF_MAX_BAZEL_VERSION के बीच का कोई भी संस्करण जैसा कि tensorflow/configure.py में निर्दिष्ट है।

GPU समर्थन स्थापित करें (वैकल्पिक, केवल Linux)

MacOS के लिए कोई GPU सपोर्ट नहीं है।

GPU पर TensorFlow चलाने के लिए ड्राइवरों और अतिरिक्त सॉफ़्टवेयर को स्थापित करने के लिए GPU समर्थन मार्गदर्शिका पढ़ें।

TensorFlow स्रोत कोड डाउनलोड करें

TensorFlow रिपॉजिटरी को क्लोन करने के लिए Git का उपयोग करें:

git clone https://github.com/tensorflow/tensorflow.git
cd tensorflow

रेपो डिफ़ॉल्ट रूप से master डेवलपमेंट ब्रांच में चला जाता है। आप बनाने के लिए एक रिलीज शाखा भी चेकआउट कर सकते हैं:

git checkout branch_name  # r2.2, r2.3, etc.

बिल्ड को कॉन्फ़िगर करें

अपने TensorFlow स्रोत ट्री की जड़ में ./configure चलाकर अपने सिस्टम बिल्ड को कॉन्फ़िगर करें। यह स्क्रिप्ट आपको TensorFlow निर्भरता के स्थान के लिए संकेत देती है और अतिरिक्त बिल्ड कॉन्फ़िगरेशन विकल्प (उदाहरण के लिए कंपाइलर फ़्लैग) के लिए पूछती है।

./configure

यदि वर्चुअल वातावरण का उपयोग करते हैं, तो python configure.py config.py पर्यावरण के भीतर पथों को प्राथमिकता देता है, जबकि ./configure पर्यावरण के बाहर पथों को प्राथमिकता देता है। दोनों ही मामलों में आप डिफ़ॉल्ट बदल सकते हैं।

नमूना सत्र

निम्नलिखित ./configure स्क्रिप्ट का नमूना रन दिखाता है (आपका सत्र भिन्न हो सकता है):

विन्यास विकल्प

जीपीयू समर्थन

GPU समर्थन के लिए, कॉन्फ़िगरेशन के दौरान cuda=Y सेट करें और CUDA और cuDNN के संस्करण निर्दिष्ट करें। यदि आपके सिस्टम में CUDA या cuDNN के कई संस्करण स्थापित हैं, तो डिफ़ॉल्ट पर निर्भर होने के बजाय संस्करण को स्पष्ट रूप से सेट करें। ./configure आपके सिस्टम की CUDA लाइब्रेरी के लिए प्रतीकात्मक लिंक बनाता है—इसलिए यदि आप अपने CUDA लाइब्रेरी पथ को अपडेट करते हैं, तो यह कॉन्फ़िगरेशन चरण निर्माण से पहले फिर से चलाया जाना चाहिए।

अनुकूलन

संकलन ऑप्टिमाइज़ेशन फ़्लैग के लिए, डिफ़ॉल्ट ( -march=native ) आपके मशीन के CPU प्रकार के लिए जनरेट किए गए कोड को ऑप्टिमाइज़ करता है। हालाँकि, यदि किसी भिन्न CPU प्रकार के लिए TensorFlow का निर्माण किया जाता है, तो अधिक विशिष्ट अनुकूलन ध्वज पर विचार करें। उदाहरण के लिए जीसीसी मैनुअल देखें।

पूर्व-कॉन्फ़िगर किए गए कॉन्फ़िगरेशन

कुछ पूर्व-कॉन्फ़िगर बिल्ड कॉन्फ़िग उपलब्ध हैं जिन्हें bazel build कमांड में जोड़ा जा सकता है, उदाहरण के लिए:

  • --config=dbg — डिबग जानकारी के साथ निर्माण करें। विवरण के लिए CONTRIBUTING.md देखें।
  • --config=mkl — Intel® MKL-DNN के लिए समर्थन।
  • --config=monolithic — अधिकतर स्थिर, अखंड निर्माण के लिए विन्यास।
  • --config=v1 — 2.x के बजाय TensorFlow 1.x बनाएँ।

पिप पैकेज बनाएँ

टेंसरफ्लो 2.x

Bazel स्थापित करें और केवल CPU समर्थन के साथ TensorFlow 2.x पैकेज बनाने के लिए bazel build का उपयोग करें:

bazel build [--config=option] //tensorflow/tools/pip_package:build_pip_package

जीपीयू समर्थन

GPU समर्थन के साथ TensorFlow पैकेज बिल्डर बनाने के लिए:

bazel build --config=cuda [--config=option] //tensorflow/tools/pip_package:build_pip_package

टेंसरफ्लो 1.x

एक पुराना TensorFlow 1.x पैकेज बनाने के लिए --config=v1 विकल्प का उपयोग करें:

bazel build --config=v1 [--config=option] //tensorflow/tools/pip_package:build_pip_package

बेज़ल बिल्ड विकल्प

बिल्ड विकल्पों के लिए बेज़ल कमांड-लाइन संदर्भ देखें।

स्रोत से TensorFlow का निर्माण बहुत अधिक RAM का उपयोग कर सकता है। यदि आपका सिस्टम स्मृति-विवश है, तो Bazel के RAM उपयोग को इसके साथ सीमित करें: --local_ram_resources=2048

आधिकारिक TensorFlow पैकेज एक GCC 7.3 टूलचैन के साथ बनाया गया है जो कई linux2010 पैकेज मानक का अनुपालन करता है।

GCC 5 और बाद के संस्करण के लिए, पुराने ABI के साथ संगतता निम्न का उपयोग करके बनाई जा सकती है: --cxxopt="-D_GLIBCXX_USE_CXX11_ABI=0" । ABI संगतता सुनिश्चित करती है कि आधिकारिक TensorFlow पैकेज के विरुद्ध निर्मित कस्टम ऑप्स GCC 5 निर्मित पैकेज के साथ काम करना जारी रखें।

पैकेज बनाएं

bazel build कमांड build_pip_package नामक एक निष्पादन योग्य बनाता है - यह वह प्रोग्राम है जो pip पैकेज बनाता है। /tmp/tensorflow_pkg निर्देशिका में .whl पैकेज बनाने के लिए नीचे दिखाए अनुसार निष्पादन योग्य चलाएँ।

एक रिलीज शाखा से निर्माण करने के लिए:

./bazel-bin/tensorflow/tools/pip_package/build_pip_package /tmp/tensorflow_pkg

मास्टर से निर्माण करने के लिए, --nightly_flag का उपयोग करके सही निर्भरताएँ प्राप्त करें:

./bazel-bin/tensorflow/tools/pip_package/build_pip_package --nightly_flag /tmp/tensorflow_pkg

यद्यपि एक ही स्रोत ट्री के तहत CUDA और गैर-CUDA दोनों कॉन्फ़िगरेशन बनाना संभव है, एक ही स्रोत ट्री में इन दो कॉन्फ़िगरेशन के बीच स्विच करते समय bazel clean चलाने की अनुशंसा की जाती है।

पैकेज स्थापित करें

जेनरेट की .whl फ़ाइल का फ़ाइल नाम TensorFlow संस्करण और आपके प्लेटफ़ॉर्म पर निर्भर करता है। उदाहरण के लिए, पैकेज को स्थापित करने के लिए pip install का उपयोग करें:

pip install /tmp/tensorflow_pkg/tensorflow-version-tags.whl

डॉकर लिनक्स बनाता है

TensorFlow की डॉकर विकास छवियां स्रोत से लिनक्स पैकेज बनाने के लिए वातावरण स्थापित करने का एक आसान तरीका है। इन छवियों में पहले से ही TensorFlow बनाने के लिए आवश्यक स्रोत कोड और निर्भरताएँ हैं। स्थापना निर्देशों और उपलब्ध छवि टैग की सूची के लिए TensorFlow Docker गाइड पर जाएं।

सीपीयू केवल

निम्न उदाहरण नवीनतम TensorFlow स्रोत कोड से केवल CPU पैकेज बनाने के लिए :devel छवि का उपयोग करता है। उपलब्ध TensorFlow -devel टैग के लिए डॉकर गाइड देखें।

नवीनतम विकास छवि डाउनलोड करें और एक डॉकर कंटेनर शुरू करें जिसका उपयोग आप पाइप पैकेज बनाने के लिए करेंगे:

docker pull tensorflow/tensorflow:devel
docker run -it -w /tensorflow_src -v $PWD:/mnt -e HOST_PERMS="$(id -u):$(id -g)" \
    tensorflow/tensorflow:devel bash

git pull  # within the container, download the latest source code

उपरोक्त docker run कमांड /tensorflow_src डायरेक्टरी-सोर्स ट्री की जड़ में एक शेल शुरू करता है। यह कंटेनर की /mnt निर्देशिका में होस्ट की वर्तमान निर्देशिका को माउंट करता है, और मेजबान उपयोगकर्ता की जानकारी को एक पर्यावरण चर के माध्यम से कंटेनर में भेजता है (अनुमतियों को सेट करने के लिए उपयोग किया जाता है-डॉकर इसे मुश्किल बना सकता है)।

वैकल्पिक रूप से, कंटेनर के भीतर TensorFlow की एक होस्ट कॉपी बनाने के लिए, कंटेनर के /tensorflow निर्देशिका पर होस्ट स्रोत ट्री को माउंट करें:

docker run -it -w /tensorflow -v /path/to/tensorflow:/tensorflow -v $PWD:/mnt \
    -e HOST_PERMS="\\((id -u):\\)(id -g)" tensorflow/tensorflow:devel bash

सोर्स ट्री सेट अप के साथ, कंटेनर के वर्चुअल वातावरण में TensorFlow पैकेज बनाएँ:

  1. बिल्ड को कॉन्फ़िगर करें—यह उपयोगकर्ता को बिल्ड कॉन्फ़िगरेशन प्रश्नों का उत्तर देने के लिए प्रेरित करता है।
  2. पिप पैकेज बनाने के लिए उपयोग किए गए टूल का निर्माण करें।
  3. पिप पैकेज बनाने के लिए टूल चलाएँ।
  4. कंटेनर के बाहर फ़ाइल की स्वामित्व अनुमतियों को समायोजित करें।
./configure  # answer prompts or use defaults

bazel build --config=opt //tensorflow/tools/pip_package:build_pip_package

./bazel-bin/tensorflow/tools/pip_package/build_pip_package /mnt  # create package

chown $HOST_PERMS /mnt/tensorflow-version-tags.whl

कंटेनर के भीतर पैकेज को स्थापित और सत्यापित करें:

pip uninstall tensorflow  # remove current version

pip install /mnt/tensorflow-version-tags.whl
cd /tmp  # don't import from source directory
python -c "import tensorflow as tf; print(tf.__version__)"

आपके होस्ट मशीन पर, TensorFlow pip पैकेज वर्तमान निर्देशिका में है (होस्ट उपयोगकर्ता अनुमतियों के साथ): ./tensorflow- version - tags .whl

जीपीयू समर्थन

Docker TensorFlow के लिए GPU समर्थन बनाने का सबसे आसान तरीका है क्योंकि होस्ट मशीन को केवल NVIDIA® ड्राइवर की आवश्यकता होती है ( NVIDIA® CUDA® टूलकिट को स्थापित करने की आवश्यकता नहीं है)। nvidia- docker (केवल Linux) सेट करने के लिए GPU सपोर्ट गाइड और TensorFlow Docker गाइड का संदर्भ लें।

निम्न उदाहरण TensorFlow डाउनलोड करता है :devel-gpu छवि और GPU- सक्षम कंटेनर को चलाने के लिए nvidia-docker docker का उपयोग करता है। यह विकास छवि GPU समर्थन के साथ एक पाइप पैकेज बनाने के लिए कॉन्फ़िगर की गई है:

docker pull tensorflow/tensorflow:devel-gpu
docker run --gpus all -it -w /tensorflow -v $PWD:/mnt -e HOST_PERMS="$(id -u):$(id -g)" \
    tensorflow/tensorflow:devel-gpu bash
git pull  # within the container, download the latest source code

फिर, कंटेनर के आभासी वातावरण में, GPU समर्थन के साथ TensorFlow पैकेज बनाएँ:

./configure  # answer prompts or use defaults

bazel build --config=opt --config=cuda //tensorflow/tools/pip_package:build_pip_package

./bazel-bin/tensorflow/tools/pip_package/build_pip_package /mnt  # create package

chown $HOST_PERMS /mnt/tensorflow-version-tags.whl

कंटेनर के भीतर पैकेज को स्थापित और सत्यापित करें और GPU की जांच करें:

pip uninstall tensorflow  # remove current version

pip install /mnt/tensorflow-version-tags.whl
cd /tmp  # don't import from source directory
python -c "import tensorflow as tf; print(\"Num GPUs Available: \", len(tf.config.list_physical_devices('GPU')))"

परीक्षण किए गए बिल्ड कॉन्फ़िगरेशन

लिनक्स

CPU

संस्करण पायथन संस्करण संकलक उपकरण बनाएं
टेंसरफ़्लो-2.9.0 3.7-3.10 जीसीसी 9.3.1 बाजेल 5.0.0
टेंसरफ़्लो-2.8.0 3.7-3.10 जीसीसी 7.3.1 बेज़ेल 4.2.1
टेंसरफ़्लो-2.7.0 3.7-3.9 जीसीसी 7.3.1 बेज़ेल 3.7.2
टेंसरफ़्लो-2.6.0 3.6-3.9 जीसीसी 7.3.1 बेज़ेल 3.7.2
टेंसरफ़्लो-2.5.0 3.6-3.9 जीसीसी 7.3.1 बेज़ेल 3.7.2
टेंसरफ़्लो-2.4.0 3.6-3.8 जीसीसी 7.3.1 बाजेल 3.1.0
टेंसरफ़्लो-2.3.0 3.5-3.8 जीसीसी 7.3.1 बाजेल 3.1.0
टेंसरफ़्लो-2.2.0 3.5-3.8 जीसीसी 7.3.1 बाजेल 2.0.0
टेंसरफ़्लो-2.1.0 2.7, 3.5-3.7 जीसीसी 7.3.1 बेज़ेल 0.27.1
टेंसरफ़्लो-2.0.0 2.7, 3.3-3.7 जीसीसी 7.3.1 बेज़ेल 0.26.1
टेंसरफ़्लो-1.15.0 2.7, 3.3-3.7 जीसीसी 7.3.1 बेज़ेल 0.26.1
टेंसरफ़्लो-1.14.0 2.7, 3.3-3.7 जीसीसी 4.8 बेज़ेल 0.24.1
टेंसरफ़्लो-1.13.1 2.7, 3.3-3.7 जीसीसी 4.8 बेज़ेल 0.19.2
टेंसरफ़्लो-1.12.0 2.7, 3.3-3.6 जीसीसी 4.8 बेज़ेल 0.15.0
टेंसरफ़्लो-1.11.0 2.7, 3.3-3.6 जीसीसी 4.8 बेज़ेल 0.15.0
टेंसरफ़्लो-1.10.0 2.7, 3.3-3.6 जीसीसी 4.8 बेज़ेल 0.15.0
टेंसरफ़्लो-1.9.0 2.7, 3.3-3.6 जीसीसी 4.8 बेज़ेल 0.11.0
टेंसरफ़्लो-1.8.0 2.7, 3.3-3.6 जीसीसी 4.8 बेज़ेल 0.10.0
टेंसरफ़्लो-1.7.0 2.7, 3.3-3.6 जीसीसी 4.8 बेज़ेल 0.10.0
टेंसरफ़्लो-1.6.0 2.7, 3.3-3.6 जीसीसी 4.8 बेज़ेल 0.9.0
टेंसरफ़्लो-1.5.0 2.7, 3.3-3.6 जीसीसी 4.8 बेज़ेल 0.8.0
टेंसरफ़्लो-1.4.0 2.7, 3.3-3.6 जीसीसी 4.8 बेज़ेल 0.5.4
टेंसरफ़्लो-1.3.0 2.7, 3.3-3.6 जीसीसी 4.8 बाजेल 0.4.5
टेंसरफ़्लो-1.2.0 2.7, 3.3-3.6 जीसीसी 4.8 बाजेल 0.4.5
टेंसरफ़्लो-1.1.0 2.7, 3.3-3.6 जीसीसी 4.8 बाजेल 0.4.2
टेंसरफ़्लो-1.0.0 2.7, 3.3-3.6 जीसीसी 4.8 बाजेल 0.4.2

जीपीयू

संस्करण पायथन संस्करण संकलक उपकरण बनाएं सीयूडीएनएन CUDA
टेंसरफ़्लो-2.9.0 3.7-3.10 जीसीसी 9.3.1 बाजेल 5.0.0 8.1 11.2
टेंसरफ़्लो-2.8.0 3.7-3.10 जीसीसी 7.3.1 बेज़ेल 4.2.1 8.1 11.2
टेंसरफ़्लो-2.7.0 3.7-3.9 जीसीसी 7.3.1 बेज़ेल 3.7.2 8.1 11.2
टेंसरफ़्लो-2.6.0 3.6-3.9 जीसीसी 7.3.1 बेज़ेल 3.7.2 8.1 11.2
टेंसरफ़्लो-2.5.0 3.6-3.9 जीसीसी 7.3.1 बेज़ेल 3.7.2 8.1 11.2
टेंसरफ़्लो-2.4.0 3.6-3.8 जीसीसी 7.3.1 बाजेल 3.1.0 8.0 11.0
टेंसरफ़्लो-2.3.0 3.5-3.8 जीसीसी 7.3.1 बाजेल 3.1.0 7.6 10.1
टेंसरफ़्लो-2.2.0 3.5-3.8 जीसीसी 7.3.1 बाजेल 2.0.0 7.6 10.1
टेंसरफ़्लो-2.1.0 2.7, 3.5-3.7 जीसीसी 7.3.1 बेज़ेल 0.27.1 7.6 10.1
टेंसरफ़्लो-2.0.0 2.7, 3.3-3.7 जीसीसी 7.3.1 बेज़ेल 0.26.1 7.4 10.0
tensorflow_gpu-1.15.0 2.7, 3.3-3.7 जीसीसी 7.3.1 बेज़ेल 0.26.1 7.4 10.0
tensorflow_gpu-1.14.0 2.7, 3.3-3.7 जीसीसी 4.8 बेज़ेल 0.24.1 7.4 10.0
tensorflow_gpu-1.13.1 2.7, 3.3-3.7 जीसीसी 4.8 बेज़ेल 0.19.2 7.4 10.0
tensorflow_gpu-1.12.0 2.7, 3.3-3.6 जीसीसी 4.8 बेज़ेल 0.15.0 7 9
tensorflow_gpu-1.11.0 2.7, 3.3-3.6 जीसीसी 4.8 बेज़ेल 0.15.0 7 9
tensorflow_gpu-1.10.0 2.7, 3.3-3.6 जीसीसी 4.8 बेज़ेल 0.15.0 7 9
tensorflow_gpu-1.9.0 2.7, 3.3-3.6 जीसीसी 4.8 बेज़ेल 0.11.0 7 9
tensorflow_gpu-1.8.0 2.7, 3.3-3.6 जीसीसी 4.8 बेज़ेल 0.10.0 7 9
tensorflow_gpu-1.7.0 2.7, 3.3-3.6 जीसीसी 4.8 बेज़ेल 0.9.0 7 9
tensorflow_gpu-1.6.0 2.7, 3.3-3.6 जीसीसी 4.8 बेज़ेल 0.9.0 7 9
tensorflow_gpu-1.5.0 2.7, 3.3-3.6 जीसीसी 4.8 बेज़ेल 0.8.0 7 9
tensorflow_gpu-1.4.0 2.7, 3.3-3.6 जीसीसी 4.8 बेज़ेल 0.5.4 6 8
tensorflow_gpu-1.3.0 2.7, 3.3-3.6 जीसीसी 4.8 बाजेल 0.4.5 6 8
tensorflow_gpu-1.2.0 2.7, 3.3-3.6 जीसीसी 4.8 बाजेल 0.4.5 5.1 8
tensorflow_gpu-1.1.0 2.7, 3.3-3.6 जीसीसी 4.8 बाजेल 0.4.2 5.1 8
tensorflow_gpu-1.0.0 2.7, 3.3-3.6 जीसीसी 4.8 बाजेल 0.4.2 5.1 8

मैक ओएस

CPU

संस्करण पायथन संस्करण संकलक उपकरण बनाएं
टेंसरफ़्लो-2.9.0 3.7-3.10 एक्सकोड 10.14 . से बजना बाजेल 5.0.0
टेंसरफ़्लो-2.8.0 3.7-3.10 एक्सकोड 10.14 . से बजना बेज़ेल 4.2.1
टेंसरफ़्लो-2.7.0 3.7-3.9 एक्सकोड 10.11 . से बजना बेज़ेल 3.7.2
टेंसरफ़्लो-2.6.0 3.6-3.9 एक्सकोड 10.11 . से बजना बेज़ेल 3.7.2
टेंसरफ़्लो-2.5.0 3.6-3.9 एक्सकोड 10.11 . से बजना बेज़ेल 3.7.2
टेंसरफ़्लो-2.4.0 3.6-3.8 xcode 10.3 . से बजना बाजेल 3.1.0
टेंसरफ़्लो-2.3.0 3.5-3.8 एक्सकोड 10.1 . से बजना बाजेल 3.1.0
टेंसरफ़्लो-2.2.0 3.5-3.8 एक्सकोड 10.1 . से बजना बाजेल 2.0.0
टेंसरफ़्लो-2.1.0 2.7, 3.5-3.7 एक्सकोड 10.1 . से बजना बेज़ेल 0.27.1
टेंसरफ़्लो-2.0.0 2.7, 3.5-3.7 एक्सकोड 10.1 . से बजना बेज़ेल 0.27.1
टेंसरफ़्लो-2.0.0 2.7, 3.3-3.7 एक्सकोड 10.1 . से बजना बेज़ेल 0.26.1
टेंसरफ़्लो-1.15.0 2.7, 3.3-3.7 एक्सकोड 10.1 . से बजना बेज़ेल 0.26.1
टेंसरफ़्लो-1.14.0 2.7, 3.3-3.7 xcode . से बजना बेज़ेल 0.24.1
टेंसरफ़्लो-1.13.1 2.7, 3.3-3.7 xcode . से बजना बेज़ेल 0.19.2
टेंसरफ़्लो-1.12.0 2.7, 3.3-3.6 xcode . से बजना बेज़ेल 0.15.0
टेंसरफ़्लो-1.11.0 2.7, 3.3-3.6 xcode . से बजना बेज़ेल 0.15.0
टेंसरफ़्लो-1.10.0 2.7, 3.3-3.6 xcode . से बजना बेज़ेल 0.15.0
टेंसरफ़्लो-1.9.0 2.7, 3.3-3.6 xcode . से बजना बेज़ेल 0.11.0
टेंसरफ़्लो-1.8.0 2.7, 3.3-3.6 xcode . से बजना बेज़ेल 0.10.1
टेंसरफ़्लो-1.7.0 2.7, 3.3-3.6 xcode . से बजना बेज़ेल 0.10.1
टेंसरफ़्लो-1.6.0 2.7, 3.3-3.6 xcode . से बजना बेज़ेल 0.8.1
टेंसरफ़्लो-1.5.0 2.7, 3.3-3.6 xcode . से बजना बेज़ेल 0.8.1
टेंसरफ़्लो-1.4.0 2.7, 3.3-3.6 xcode . से बजना बेज़ेल 0.5.4
टेंसरफ़्लो-1.3.0 2.7, 3.3-3.6 xcode . से बजना बाजेल 0.4.5
टेंसरफ़्लो-1.2.0 2.7, 3.3-3.6 xcode . से बजना बाजेल 0.4.5
टेंसरफ़्लो-1.1.0 2.7, 3.3-3.6 xcode . से बजना बाजेल 0.4.2
टेंसरफ़्लो-1.0.0 2.7, 3.3-3.6 xcode . से बजना बाजेल 0.4.2

जीपीयू

संस्करण पायथन संस्करण संकलक उपकरण बनाएं सीयूडीएनएन CUDA
tensorflow_gpu-1.1.0 2.7, 3.3-3.6 xcode . से बजना बाजेल 0.4.2 5.1 8
tensorflow_gpu-1.0.0 2.7, 3.3-3.6 xcode . से बजना बाजेल 0.4.2 5.1 8