TensorFlow pipパッケージをソースからビルドし、Ubuntu Linux および macOS にインストールします。この手順は他のシステムでも機能する可能性がありますが、Ubuntu と macOS でのみテストおよびサポートされています。
Linux および macOS のセットアップ
次のビルド ツールをインストールして、開発環境を構成します。
Python と TensorFlow パッケージの依存関係をインストールする
Ubuntu
sudo apt install python3-dev python3-pip
macOS
Xcode 9.2以降が必要です。
Homebrewパッケージ マネージャーを使用してインストールします。
brew install python
TensorFlow pipパッケージの依存関係をインストールします (仮想環境を使用する場合は、 --user
引数を省略します)。
pip install -U --user pip
Bazel をインストールする
TensorFlow を構築するには、Bazel をインストールする必要があります。 Bazelisk は、Bazel をインストールする簡単な方法であり、TensorFlow 用の正しい Bazel バージョンを自動的にダウンロードします。使いやすくするために、 Bazelisk をbazel
実行可能ファイルとしてPATH
に追加します。
Bazelisk が使用できない場合は、 Bazel を手動でインストールできます。 TensorFlow の.bazelversionファイルから正しい Bazel バージョンを必ずインストールしてください。
Clang のインストール (推奨、Linux のみ)
Clang は、LLVM に基づいて C++ でコンパイルされる C/C++/Objective-C コンパイラーです。これは、TensorFlow 2.13 以降で TensorFlow を構築するためのデフォルトのコンパイラです。現在サポートされているバージョンは LLVM/Clang 17 です。
LLVM Debian/Ubuntu ナイトリー パッケージは、自動インストール スクリプトと、Linux への手動インストール用のパッケージを提供します。 llvm apt リポジトリをパッケージ ソースに手動で追加する場合は、必ず次のコマンドを実行してください。
sudo apt-get update && sudo apt-get install -y llvm-17 clang-17
この場合、 /usr/lib/llvm-17/bin/clang
Clang への実際のパスになります。
あるいは、事前に構築されたClang + LLVM 17 をダウンロードして解凍することもできます。
以下は、ダウンロードした Clang + LLVM 17 バイナリを Debian/Ubuntu オペレーティング システム上でセットアップする手順の例です。
目的の宛先ディレクトリに変更します:
cd <desired directory>
アーカイブ ファイルをロードして抽出します...(アーキテクチャに適しています):
wget https://github.com/llvm/llvm-project/releases/download/llvmorg-17.0.2/clang+llvm-17.0.2-x86_64-linux-gnu-ubuntu-22.04.tar.xz
tar -xvf clang+llvm-17.0.2-x86_64-linux-gnu-ubuntu-22.04.tar.xz
抽出した内容 (ディレクトリとファイル) を
/usr
にコピーします (sudo 権限が必要な場合があり、正しいディレクトリはディストリビューションによって異なる場合があります)。これにより、Clang と LLVM が効果的にインストールされ、パスに追加されます。以前のインストールがある場合を除き、何も置き換える必要はありません。以前のインストールがある場合は、ファイルを置き換える必要があります。cp -r clang+llvm-17.0.2-x86_64-linux-gnu-ubuntu-22.04/* /usr
取得した Clang + LLVM 17 バイナリのバージョンを確認します。
clang --version
これで、
/usr/bin/clang
が新しい Clang への実際のパスになりました。./configure
スクリプトを実行するか、環境変数CC
およびBAZEL_COMPILER
このパスに手動で設定できます。
GPU サポートのインストール (オプション、Linux のみ)
macOS では GPU はサポートされていません。
GPU サポートガイドを読んで、GPU で TensorFlow を実行するために必要なドライバーと追加のソフトウェアをインストールします。
TensorFlow ソース コードをダウンロードする
Gitを使用してTensorFlow リポジトリのクローンを作成します。
git clone https://github.com/tensorflow/tensorflow.git
cd tensorflow
リポジトリのデフォルトはmaster
開発ブランチです。リリース ブランチをチェックアウトしてビルドすることもできます。
git checkout branch_name # r2.2, r2.3, etc.
ビルドを構成する
TensorFlow ビルドは、リポジトリのルート ディレクトリにある.bazelrc
ファイルによって設定されます。 ./configure
または./configure.py
スクリプトを使用して、共通設定を調整できます。
リポジトリのルート ディレクトリから./configure
スクリプトを実行してください。このスクリプトは、TensorFlow 依存関係の場所を要求し、追加のビルド構成オプション (コンパイラー フラグなど) を要求します。詳細については、 「サンプル セッション」セクションを参照してください。
./configure
このスクリプトの Python バージョン./configure.py
もあります。仮想環境を使用する場合、 python configure.py
環境内のパスを優先しますが、 ./configure
環境外のパスを優先します。どちらの場合も、デフォルトを変更できます。
サンプルセッション
以下に、 ./configure
スクリプトの実行例を示します (セッションによって異なる場合があります)。
構成オプション
GPUのサポート
v.2.18.0から
GPU サポートの場合は、構成時にcuda=Y
を設定し、必要に応じて CUDA と cuDNN のバージョンを指定します。 Bazel は、CUDA および CUDNN パッケージを自動的にダウンロードするか、必要に応じてローカル ファイル システム上の CUDA/CUDNN/NCCL 再配布をポイントします。
v.2.18.0より前
GPU サポートの場合は、構成時にcuda=Y
を設定し、CUDA と cuDNN のバージョンを指定します。システムに複数のバージョンの CUDA または cuDNN がインストールされている場合は、デフォルトに依存するのではなく、バージョンを明示的に設定します。 ./configure
システムの CUDA ライブラリへのシンボリック リンクを作成します。そのため、CUDA ライブラリのパスを更新する場合は、ビルドする前にこの構成手順を再度実行する必要があります。
最適化
コンパイル最適化フラグの場合、デフォルト ( -march=native
) では、マシンの CPU タイプに合わせて生成されたコードが最適化されます。ただし、別の CPU タイプ用に TensorFlow を構築する場合は、より具体的な最適化フラグを検討してください。例については、 GCC マニュアルを確認してください。
事前構成された構成
bazel build
コマンドに追加できる、事前に構成されたビルド構成がいくつか用意されています。次に例を示します。
-
--config=dbg
— デバッグ情報を使用してビルドします。詳細については、 CONTRIBUTING.md を参照してください。 -
--config=mkl
—インテル® MKL-DNNのサポート。 -
--config=monolithic
— ほとんど静的なモノリシック ビルドの構成。
pip パッケージをビルドしてインストールする
Bazel ビルド オプション
ビルド オプションについては、Bazelコマンド ライン リファレンスを参照してください。
TensorFlow をソースからビルドすると、大量の RAM が使用される可能性があります。システムがメモリに制約がある場合は、 --local_ram_resources=2048
を使用して Bazel の RAM 使用量を制限します。
公式の TensorFlow パッケージは、manylinux2014 パッケージ標準に準拠する Clang ツールチェーンを使用して構築されています。
パッケージをビルドする
pip パッケージをビルドするには、 --repo_env=WHEEL_NAME
フラグを指定する必要があります。指定した名前に応じて、パッケージが作成されます。例:
tensorflow CPU パッケージをビルドするには:
bazel build //tensorflow/tools/pip_package:wheel --repo_env=WHEEL_NAME=tensorflow_cpu
tensorflow GPU パッケージをビルドするには:
bazel build //tensorflow/tools/pip_package:wheel --repo_env=WHEEL_NAME=tensorflow --config=cuda --config=cuda_wheel
tensorflow TPU パッケージをビルドするには:
bazel build //tensorflow/tools/pip_package:wheel --repo_env=WHEEL_NAME=tensorflow_tpu --config=tpu
夜間パッケージをビルドするには、 tensorflow
の代わりにtf_nightly
を設定します。たとえば、CPU 夜間パッケージをビルドします。
bazel build //tensorflow/tools/pip_package:wheel --repo_env=WHEEL_NAME=tf_nightly_cpu
その結果、生成されたホイールは次の場所に配置されます。
bazel-bin/tensorflow/tools/pip_package/wheel_house/
パッケージをインストールする
生成される.whl
ファイルのファイル名は、TensorFlow のバージョンとプラットフォームによって異なります。 pip install
使用してパッケージをインストールします。次に例を示します。
pip install bazel-bin/tensorflow/tools/pip_package/wheel_house/tensorflow-version-tags.whl
Docker Linux ビルド
TensorFlow の Docker 開発イメージは、ソースから Linux パッケージを構築する環境をセットアップする簡単な方法です。これらのイメージには、TensorFlow の構築に必要なソース コードと依存関係がすでに含まれています。インストール手順と使用可能なイメージ タグのリストについては、TensorFlow Docker ガイドを参照してください。
CPUのみ
次の例では、 :devel
イメージを使用して、最新の TensorFlow ソース コードから CPU のみのパッケージをビルドします。利用可能な TensorFlow -devel
タグについては、Docker ガイドを確認してください。
最新の開発イメージをダウンロードし、 pipパッケージの構築に使用する Docker コンテナを起動します。
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
上記のdocker run
コマンドは、ソース ツリーのルートである/tensorflow_src
ディレクトリでシェルを開始します。ホストの現在のディレクトリをコンテナの/mnt
ディレクトリにマウントし、環境変数 (アクセス許可の設定に使用されます。Docker ではこれが難しい場合があります) を通じてホスト ユーザーの情報をコンテナに渡します。
あるいは、コンテナ内に TensorFlow のホスト コピーを構築するには、コンテナの/tensorflow
ディレクトリにホスト ソース ツリーをマウントします。
docker run -it -w /tensorflow -v /path/to/tensorflow:/tensorflow -v $PWD:/mnt \ -e HOST_PERMS="\\((id -u):\\)(id -g)" tensorflow/tensorflow:devel bash
ソース ツリーをセットアップしたら、コンテナーの仮想環境内で TensorFlow パッケージをビルドします。
- オプション: ビルドを構成します。これにより、ユーザーはビルド構成の質問に答えるように求められます。
- pipパッケージをビルドします。
- コンテナ外のファイルの所有権パーミッションを調整します。
./configure # if necessary
bazel build //tensorflow/tools/pip_package:wheel --repo_env=WHEEL_NAME=tensorflow_cpu --config=opt
`chown $HOST_PERMS bazel-bin/tensorflow/tools/pip_package/wheel_house/tensorflow-version-tags.whl
コンテナ内にパッケージをインストールして確認します。
pip uninstall tensorflow # remove current version
pip install bazel-bin/tensorflow/tools/pip_package/wheel_house/tensorflow-version-tags.whl
cd /tmp # don't import from source directory
python -c "import tensorflow as tf; print(tf.__version__)"
ホスト マシンでは、TensorFlow pipパッケージは現在のディレクトリにあります (ホスト ユーザー権限付き): ./tensorflow- version - tags .whl
GPUのサポート
Docker は、ホストマシンにNVIDIA® ドライバーのみが必要なため ( NVIDIA® CUDA® Toolkitをインストールする必要はありません)、TensorFlow の GPU サポートを構築する最も簡単な方法です。 nvidia-docker をセットアップするには、 GPU サポート ガイドと TensorFlow Docker ガイドを参照してください (Linux のみ)。
次の例では、TensorFlow :devel-gpu
イメージをダウンロードし、 nvidia-docker
を使用して GPU 対応コンテナを実行します。この開発イメージは、GPU サポートを備えたpipパッケージをビルドするように構成されています。
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
次に、コンテナの仮想環境内で、GPU サポートを備えた TensorFlow パッケージをビルドします。
./configure # if necessary
bazel build //tensorflow/tools/pip_package:wheel --repo_env=WHEEL_NAME=tensorflow --config=cuda --config=cuda_wheel --config=opt
chown $HOST_PERMS bazel-bin/tensorflow/tools/pip_package/wheel_house/tensorflow-version-tags.whl
コンテナー内にパッケージをインストールして検証し、GPU を確認します。
pip uninstall tensorflow # remove current version
pip install bazel-bin/tensorflow/tools/pip_package/wheel_house/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')))"
テストされたビルド構成
Linux
CPU
バージョン | Pythonのバージョン | コンパイラ | ビルドツール |
---|---|---|---|
テンソルフロー-2.17.0 | 3.9~3.12 | クラン 17.0.6 | バゼル6.5.0 |
テンソルフロー-2.16.1 | 3.9~3.12 | クラン 17.0.6 | バゼル6.5.0 |
テンソルフロー-2.15.0 | 3.9~3.11 | クラン 16.0.0 | バゼル6.1.0 |
テンソルフロー-2.14.0 | 3.9~3.11 | クラン 16.0.0 | バゼル6.1.0 |
テンソルフロー-2.13.0 | 3.8~3.11 | クラン 16.0.0 | バゼル5.3.0 |
テンソルフロー-2.12.0 | 3.8~3.11 | GCC 9.3.1 | バゼル5.3.0 |
テンソルフロー-2.11.0 | 3.7~3.10 | GCC 9.3.1 | バゼル5.3.0 |
テンソルフロー-2.10.0 | 3.7~3.10 | GCC 9.3.1 | バゼル5.1.1 |
テンソルフロー-2.9.0 | 3.7~3.10 | GCC 9.3.1 | バゼル5.0.0 |
テンソルフロー-2.8.0 | 3.7~3.10 | GCC 7.3.1 | バゼル 4.2.1 |
テンソルフロー-2.7.0 | 3.7-3.9 | GCC 7.3.1 | バゼル 3.7.2 |
テンソルフロー-2.6.0 | 3.6-3.9 | GCC 7.3.1 | バゼル 3.7.2 |
テンソルフロー-2.5.0 | 3.6-3.9 | GCC 7.3.1 | バゼル 3.7.2 |
テンソルフロー-2.4.0 | 3.6-3.8 | GCC 7.3.1 | バゼル 3.1.0 |
テンソルフロー-2.3.0 | 3.5-3.8 | GCC 7.3.1 | バゼル 3.1.0 |
テンソルフロー-2.2.0 | 3.5-3.8 | GCC 7.3.1 | バゼル2.0.0 |
テンソルフロー-2.1.0 | 2.7、3.5-3.7 | GCC 7.3.1 | バゼル0.27.1 |
テンソルフロー-2.0.0 | 2.7、3.3-3.7 | GCC 7.3.1 | バゼル0.26.1 |
テンソルフロー-1.15.0 | 2.7、3.3-3.7 | GCC 7.3.1 | バゼル0.26.1 |
テンソルフロー-1.14.0 | 2.7、3.3-3.7 | GCC 4.8 | バゼル0.24.1 |
テンソルフロー-1.13.1 | 2.7、3.3-3.7 | GCC 4.8 | バゼル0.19.2 |
テンソルフロー-1.12.0 | 2.7、3.3~3.6 | GCC 4.8 | バゼル0.15.0 |
テンソルフロー-1.11.0 | 2.7、3.3~3.6 | GCC 4.8 | バゼル 0.15.0 |
テンソルフロー-1.10.0 | 2.7、3.3~3.6 | GCC 4.8 | バゼル0.15.0 |
テンソルフロー-1.9.0 | 2.7、3.3~3.6 | GCC 4.8 | バゼル0.11.0 |
テンソルフロー-1.8.0 | 2.7、3.3~3.6 | GCC 4.8 | バゼル 0.10.0 |
テンソルフロー-1.7.0 | 2.7、3.3~3.6 | GCC 4.8 | バゼル 0.10.0 |
テンソルフロー-1.6.0 | 2.7、3.3~3.6 | GCC 4.8 | バゼル0.9.0 |
テンソルフロー-1.5.0 | 2.7、3.3~3.6 | GCC 4.8 | バゼル0.8.0 |
テンソルフロー-1.4.0 | 2.7、3.3~3.6 | GCC 4.8 | バゼル0.5.4 |
テンソルフロー-1.3.0 | 2.7、3.3~3.6 | GCC 4.8 | バゼル0.4.5 |
テンソルフロー-1.2.0 | 2.7、3.3~3.6 | GCC 4.8 | バゼル0.4.5 |
テンソルフロー-1.1.0 | 2.7、3.3~3.6 | GCC 4.8 | バゼル0.4.2 |
テンソルフロー-1.0.0 | 2.7、3.3~3.6 | GCC 4.8 | バゼル0.4.2 |
GPU
バージョン | Pythonのバージョン | コンパイラ | ビルドツール | クドン | CUDA |
---|---|---|---|---|---|
テンソルフロー-2.17.0 | 3.9-3.12 | クラン 17.0.6 | バゼル6.5.0 | 8.9 | 12.3 |
テンソルフロー-2.16.1 | 3.9~3.12 | クラン 17.0.6 | バゼル6.5.0 | 8.9 | 12.3 |
テンソルフロー-2.15.0 | 3.9~3.11 | クラン 16.0.0 | バゼル6.1.0 | 8.9 | 12.2 |
テンソルフロー-2.14.0 | 3.9-3.11 | クラン 16.0.0 | バゼル6.1.0 | 8.7 | 11.8 |
テンソルフロー-2.13.0 | 3.8~3.11 | クラン 16.0.0 | バゼル5.3.0 | 8.6 | 11.8 |
テンソルフロー-2.12.0 | 3.8~3.11 | GCC 9.3.1 | バゼル5.3.0 | 8.6 | 11.8 |
テンソルフロー-2.11.0 | 3.7~3.10 | GCC 9.3.1 | バゼル5.3.0 | 8.1 | 11.2 |
テンソルフロー-2.10.0 | 3.7~3.10 | GCC 9.3.1 | バゼル5.1.1 | 8.1 | 11.2 |
テンソルフロー-2.9.0 | 3.7~3.10 | GCC 9.3.1 | バゼル5.0.0 | 8.1 | 11.2 |
テンソルフロー-2.8.0 | 3.7~3.10 | GCC 7.3.1 | バゼル 4.2.1 | 8.1 | 11.2 |
テンソルフロー-2.7.0 | 3.7-3.9 | GCC 7.3.1 | バゼル 3.7.2 | 8.1 | 11.2 |
テンソルフロー-2.6.0 | 3.6-3.9 | GCC 7.3.1 | バゼル 3.7.2 | 8.1 | 11.2 |
テンソルフロー-2.5.0 | 3.6-3.9 | GCC 7.3.1 | バゼル 3.7.2 | 8.1 | 11.2 |
テンソルフロー-2.4.0 | 3.6-3.8 | GCC 7.3.1 | バゼル 3.1.0 | 8.0 | 11.0 |
テンソルフロー-2.3.0 | 3.5-3.8 | GCC 7.3.1 | バゼル 3.1.0 | 7.6 | 10.1 |
テンソルフロー-2.2.0 | 3.5-3.8 | GCC 7.3.1 | バゼル2.0.0 | 7.6 | 10.1 |
テンソルフロー-2.1.0 | 2.7、3.5-3.7 | GCC 7.3.1 | バゼル0.27.1 | 7.6 | 10.1 |
テンソルフロー-2.0.0 | 2.7、3.3-3.7 | GCC 7.3.1 | バゼル0.26.1 | 7.4 | 10.0 |
tensorflow_gpu-1.15.0 | 2.7、3.3-3.7 | GCC 7.3.1 | バゼル0.26.1 | 7.4 | 10.0 |
tensorflow_gpu-1.14.0 | 2.7、3.3-3.7 | GCC 4.8 | バゼル0.24.1 | 7.4 | 10.0 |
tensorflow_gpu-1.13.1 | 2.7、3.3-3.7 | GCC 4.8 | バゼル0.19.2 | 7.4 | 10.0 |
tensorflow_gpu-1.12.0 | 2.7、3.3~3.6 | GCC 4.8 | バゼル0.15.0 | 7 | 9 |
tensorflow_gpu-1.11.0 | 2.7、3.3~3.6 | GCC 4.8 | バゼル 0.15.0 | 7 | 9 |
tensorflow_gpu-1.10.0 | 2.7、3.3~3.6 | GCC 4.8 | バゼル0.15.0 | 7 | 9 |
tensorflow_gpu-1.9.0 | 2.7、3.3~3.6 | GCC 4.8 | バゼル0.11.0 | 7 | 9 |
tensorflow_gpu-1.8.0 | 2.7、3.3~3.6 | GCC 4.8 | バゼル 0.10.0 | 7 | 9 |
tensorflow_gpu-1.7.0 | 2.7、3.3~3.6 | GCC 4.8 | バゼル0.9.0 | 7 | 9 |
tensorflow_gpu-1.6.0 | 2.7、3.3~3.6 | GCC 4.8 | バゼル0.9.0 | 7 | 9 |
tensorflow_gpu-1.5.0 | 2.7、3.3~3.6 | GCC 4.8 | バゼル0.8.0 | 7 | 9 |
tensorflow_gpu-1.4.0 | 2.7、3.3~3.6 | GCC 4.8 | バゼル0.5.4 | 6 | 8 |
tensorflow_gpu-1.3.0 | 2.7、3.3~3.6 | GCC 4.8 | バゼル0.4.5 | 6 | 8 |
tensorflow_gpu-1.2.0 | 2.7、3.3~3.6 | GCC 4.8 | バゼル0.4.5 | 5.1 | 8 |
tensorflow_gpu-1.1.0 | 2.7、3.3~3.6 | GCC 4.8 | バゼル0.4.2 | 5.1 | 8 |
tensorflow_gpu-1.0.0 | 2.7、3.3~3.6 | GCC 4.8 | バゼル0.4.2 | 5.1 | 8 |
macOS
CPU
バージョン | Pythonのバージョン | コンパイラ | ビルドツール |
---|---|---|---|
テンソルフロー-2.16.1 | 3.9~3.12 | Xcode 13.6 からの Clang | バゼル6.5.0 |
テンソルフロー-2.15.0 | 3.9~3.11 | Xcode 10.15 からの Clang | バゼル6.1.0 |
テンソルフロー-2.14.0 | 3.9~3.11 | Xcode 10.15 からの Clang | バゼル6.1.0 |
テンソルフロー-2.13.0 | 3.8~3.11 | Xcode 10.15 からの Clang | バゼル5.3.0 |
テンソルフロー-2.12.0 | 3.8~3.11 | Xcode 10.15 からの Clang | バゼル5.3.0 |
テンソルフロー-2.11.0 | 3.7~3.10 | Xcode 10.14 からの Clang | バゼル5.3.0 |
テンソルフロー-2.10.0 | 3.7~3.10 | Xcode 10.14 からの Clang | バゼル5.1.1 |
テンソルフロー-2.9.0 | 3.7~3.10 | Xcode 10.14 からの Clang | バゼル5.0.0 |
テンソルフロー-2.8.0 | 3.7~3.10 | Xcode 10.14 からの Clang | バゼル 4.2.1 |
テンソルフロー-2.7.0 | 3.7-3.9 | Xcode 10.11 からの Clang | バゼル 3.7.2 |
テンソルフロー-2.6.0 | 3.6-3.9 | Xcode 10.11 からの Clang | バゼル 3.7.2 |
テンソルフロー-2.5.0 | 3.6-3.9 | Xcode 10.11 からの Clang | バゼル 3.7.2 |
テンソルフロー-2.4.0 | 3.6-3.8 | Xcode 10.3 からの Clang | バゼル 3.1.0 |
テンソルフロー-2.3.0 | 3.5-3.8 | Xcode 10.1 からの Clang | バゼル 3.1.0 |
テンソルフロー-2.2.0 | 3.5-3.8 | Xcode 10.1 からの Clang | バゼル2.0.0 |
テンソルフロー-2.1.0 | 2.7、3.5-3.7 | Xcode 10.1 からの Clang | バゼル0.27.1 |
テンソルフロー-2.0.0 | 2.7、3.5-3.7 | Xcode 10.1 からの Clang | バゼル0.27.1 |
テンソルフロー-2.0.0 | 2.7、3.3-3.7 | Xcode 10.1 からの Clang | バゼル0.26.1 |
テンソルフロー-1.15.0 | 2.7、3.3-3.7 | Xcode 10.1 からの Clang | バゼル0.26.1 |
テンソルフロー-1.14.0 | 2.7、3.3-3.7 | Xcode からの Clang | バゼル0.24.1 |
テンソルフロー-1.13.1 | 2.7、3.3-3.7 | XcodeからのClang | バゼル0.19.2 |
テンソルフロー-1.12.0 | 2.7、3.3~3.6 | XcodeからのClang | バゼル0.15.0 |
テンソルフロー-1.11.0 | 2.7、3.3~3.6 | XcodeからのClang | バゼル0.15.0 |
テンソルフロー-1.10.0 | 2.7、3.3~3.6 | Xcode からの Clang | バゼル0.15.0 |
テンソルフロー-1.9.0 | 2.7、3.3~3.6 | XcodeからのClang | バゼル0.11.0 |
テンソルフロー-1.8.0 | 2.7、3.3~3.6 | XcodeからのClang | バゼル0.10.1 |
テンソルフロー-1.7.0 | 2.7、3.3~3.6 | Xcode からの Clang | バゼル0.10.1 |
テンソルフロー-1.6.0 | 2.7、3.3~3.6 | XcodeからのClang | バゼル0.8.1 |
テンソルフロー-1.5.0 | 2.7、3.3~3.6 | XcodeからのClang | バゼル0.8.1 |
テンソルフロー-1.4.0 | 2.7、3.3~3.6 | XcodeからのClang | バゼル0.5.4 |
テンソルフロー-1.3.0 | 2.7、3.3~3.6 | Xcode からの Clang | バゼル0.4.5 |
テンソルフロー-1.2.0 | 2.7、3.3~3.6 | Xcode からの Clang | バゼル0.4.5 |
テンソルフロー-1.1.0 | 2.7、3.3~3.6 | Xcode からの Clang | バゼル0.4.2 |
テンソルフロー-1.0.0 | 2.7、3.3~3.6 | XcodeからのClang | バゼル0.4.2 |
GPU
バージョン | Pythonのバージョン | コンパイラ | ビルドツール | クドン | CUDA |
---|---|---|---|---|---|
tensorflow_gpu-1.1.0 | 2.7、3.3~3.6 | XcodeからのClang | バゼル0.4.2 | 5.1 | 8 |
tensorflow_gpu-1.0.0 | 2.7、3.3~3.6 | Xcode からの Clang | バゼル0.4.2 | 5.1 | 8 |