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

สร้างจากแหล่งที่มา

สร้างแพคเกจ TensorFlow pip จากแหล่งที่มาและติดตั้งบน Ubuntu Linux และ MacOS แม้ว่าคำแนะนำอาจใช้ได้กับระบบอื่น แต่ก็มีการทดสอบและรองรับสำหรับ Ubuntu และ macOS เท่านั้น

ตั้งค่าสำหรับ Linux และ macOS

ติดตั้งเครื่องมือสร้างต่อไปนี้เพื่อกำหนดค่าสภาพแวดล้อมการพัฒนาของคุณ

ติดตั้ง Python และการพึ่งพาแพ็คเกจ TensorFlow

อูบุนตู

sudo apt install python3-dev python3-pip

macOS

ต้องใช้ Xcode 9.2 หรือใหม่กว่า

ติดตั้งโดยใช้ Homebrew ผู้จัดการแพคเกจ:

/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

ติดตั้งแพคเกจการอ้างอิง TensorFlow pip (ถ้าใช้สภาพแวดล้อมเสมือนละเว้น --user อาร์กิวเมนต์):

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

ติดตั้ง Bazel

ในการสร้าง TensorFlow คุณจะต้องติดตั้ง Bazel Bazelisk เป็นวิธีที่ง่ายในการติดตั้ง Bazel และการดาวน์โหลดโดยอัตโนมัติรุ่น Bazel ที่ถูกต้องสำหรับ TensorFlow เพื่อความสะดวกในการใช้งานเพิ่ม Bazelisk เป็น bazel ปฏิบัติการของคุณใน PATH

หาก Bazelisk ไม่สามารถใช้ได้คุณสามารถ ติดตั้ง Bazel ให้แน่ใจว่าจะติดตั้งรุ่นที่สนับสนุน Bazel: รุ่นใด ๆ ระหว่าง _TF_MIN_BAZEL_VERSION และ _TF_MAX_BAZEL_VERSION ตามที่ระบุใน tensorflow/configure.py

ติดตั้งการสนับสนุน GPU (ไม่บังคับ, Linux เท่านั้น)

ไม่มีการสนับสนุน GPU สำหรับ MacOS คือ

อ่าน สนับสนุน GPU คู่มือการติดตั้งไดร์เวอร์และซอฟต์แวร์เพิ่มเติมจำเป็นต้องเรียกใช้ TensorFlow บน GPU

ดาวน์โหลดซอร์สโค้ด TensorFlow

ใช้ Git เพื่อโคลน ที่เก็บ TensorFlow :

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

ซื้อคืนภาคค่าเริ่มต้นให้กับ master สาขาการพัฒนา นอกจากนี้คุณยังสามารถเช็คเอาท์ สาขาปล่อย เพื่อสร้าง:

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

กำหนดค่าบิลด์

กำหนดค่าระบบของคุณสร้างโดยใช้ ./configure ที่รากของต้นไม้แหล่ง TensorFlow ของคุณ สคริปต์นี้จะแจ้งให้คุณทราบตำแหน่งของการขึ้นต่อกันของ TensorFlow และขอตัวเลือกการกำหนดค่าบิลด์เพิ่มเติม (เช่น แฟล็กของคอมไพเลอร์ เป็นต้น)

./configure

หากมีการใช้สภาพแวดล้อมเสมือน python configure.py จัดลำดับความสำคัญเส้นทางภายในสภาพแวดล้อมในขณะที่ ./configure จัดลำดับความสำคัญเส้นทางนอกสภาพแวดล้อม ในทั้งสองกรณี คุณสามารถเปลี่ยนค่าเริ่มต้นได้

เซสชั่นตัวอย่าง

แสดงให้เห็นว่าต่อไปนี้การทำงานตัวอย่าง ./configure สคริปต์ (เซสชันของคุณอาจแตกต่างกัน):

ตัวเลือกการกำหนดค่า

รองรับ GPU

สำหรับ การสนับสนุน GPU ชุด cuda=Y ระหว่างการกำหนดค่าและระบุรุ่นของ CUDA และ cuDNN หากระบบของคุณมี CUDA หรือ cuDNN หลายเวอร์ชันติดตั้งอยู่ ให้ตั้งค่าเวอร์ชันนั้นให้ชัดเจนแทนที่จะใช้ค่าเริ่มต้น ./configure สร้างการเชื่อมโยงสัญลักษณ์ไปยังระบบของคุณ CUDA ห้องสมุด-ดังนั้นถ้าคุณปรับปรุงเส้นทางห้องสมุด CUDA ของคุณขั้นตอนการกำหนดค่านี้จะต้องทำงานอีกครั้งก่อนการสร้าง

การเพิ่มประสิทธิภาพ

สำหรับการเพิ่มประสิทธิภาพธงสะสมเริ่มต้น ( -march=native ) เพิ่มประสิทธิภาพโค้ดที่สร้างขึ้นสำหรับประเภทของ CPU ของเครื่อง อย่างไรก็ตาม หากสร้าง TensorFlow สำหรับ CPU ประเภทอื่น ให้พิจารณาแฟล็กการปรับให้เหมาะสมเฉพาะเจาะจงมากขึ้น ดู คู่มือ GCC ตัวอย่าง

การกำหนดค่าที่กำหนดไว้ล่วงหน้า

มีบางอย่างที่สร้าง configs ที่กำหนดไว้ล่วงหน้าที่สามารถถูกเพิ่มไปยังมี bazel build คำสั่งตัวอย่างเช่น:

  • --config=dbg -Build กับข้อมูลการแก้ปัญหา ดู CONTRIBUTING.md สำหรับรายละเอียด
  • --config=mkl สนับสนุนสำหรับ Intel® MKL-DNN
  • --config=monolithic -Configuration สำหรับแบบคงที่ส่วนใหญ่สร้างเสาหิน
  • --config=v1 -Build TensorFlow 1.x แทน 2.x.

สร้างแพ็คเกจ pip

TensorFlow 2.x

ติดตั้ง Bazel และการใช้ bazel build เพื่อสร้างแพคเกจ 2.x TensorFlow ด้วยการสนับสนุน CPU อย่างเดียว:

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

รองรับ GPU

ในการสร้างตัวสร้างแพ็คเกจ TensorFlow พร้อมรองรับ GPU:

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

TensorFlow 1.x

เพื่อสร้างแพคเกจ 1.x เก่า TensorFlow ใช้ --config=v1 ตัวเลือก:

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

ตัวเลือกการสร้าง Bazel

ดู Bazel อ้างอิงบรรทัดคำสั่ง สำหรับ การสร้างตัวเลือก

การสร้าง TensorFlow จากแหล่งที่มาสามารถใช้ RAM ได้มาก หากระบบของคุณเป็นหน่วยความจำที่ จำกัด การใช้งาน RAM วงเงิน Bazel กับ: --local_ram_resources=2048

แพคเกจ TensorFlow อย่างเป็นทางการ ได้รับการสร้างขึ้นด้วย GCC 7.3 toolchain ที่สอดคล้องกับมาตรฐานแพคเกจ manylinux2010

สำหรับ GCC 5 และต่อมาเข้ากันได้กับพี่ ABI สามารถสร้างขึ้นโดยใช้: --cxxopt="-D_GLIBCXX_USE_CXX11_ABI=0" ความเข้ากันได้ของ ABI ช่วยให้มั่นใจได้ว่า ops แบบกำหนดเองที่สร้างขึ้นโดยเทียบกับแพ็คเกจ TensorFlow อย่างเป็นทางการจะยังคงทำงานกับแพ็คเกจ GCC 5 ที่สร้างขึ้น

สร้างแพ็คเกจ

bazel build คำสั่งสร้างชื่อปฏิบัติการ build_pip_package นี้เป็นโปรแกรมที่สร้าง pip แพคเกจ เรียกใช้ปฏิบัติการที่แสดงด้านล่างจะสร้าง .whl แพคเกจใน /tmp/tensorflow_pkg ไดเรกทอรี

ในการสร้างจากรีลีสแบรนช์:

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

ที่จะสร้างจากต้นแบบใช้ --nightly_flag ที่จะได้รับการอ้างอิงขวา:

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

แม้ว่ามันจะเป็นไปได้ที่จะสร้างทั้ง CUDA และการกำหนดค่าที่ไม่ใช่ CUDA ใต้ต้นแหล่งเดียวกันก็ขอแนะนำให้ทำงาน bazel clean เมื่อมีการสลับระหว่างทั้งสองกำหนดค่าในต้นไม้แหล่งเดียวกัน

ติดตั้งแพ็คเกจ

ชื่อไฟล์ของสร้าง .whl ไฟล์ขึ้นอยู่กับรุ่น TensorFlow และแพลตฟอร์มของคุณ ใช้ pip install การติดตั้งแพคเกจตัวอย่างเช่น:

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

Docker Linux builds

อิมเมจการพัฒนา Docker ของ TensorFlow เป็นวิธีที่ง่ายในการตั้งค่าสภาพแวดล้อมเพื่อสร้างแพ็คเกจ Linux จากแหล่งที่มา รูปภาพเหล่านี้มีซอร์สโค้ดและการพึ่งพาที่จำเป็นในการสร้าง TensorFlow แล้ว ดู TensorFlow คู่มือเทียบท่า สำหรับการติดตั้งและ รายการของแท็กรูปภาพที่ใช้ได้

CPU เท่านั้น

ตัวอย่างต่อไปนี้ใช้ :devel ภาพเพื่อสร้างแพคเกจ CPU อย่างเดียวจากซอร์สโค้ด TensorFlow ล่าสุด ดู คู่มือเทียบท่า ที่ใช้ได้ TensorFlow -devel แท็ก

ดาวน์โหลดภาพพัฒนาล่าสุดและเริ่มภาชนะเทียบท่าที่เราจะใช้ในการสร้างแพคเกจ pip ไปนี้:

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

ดังกล่าวข้างต้น docker run คำสั่งเริ่มต้นเปลือกในส่วน /tensorflow_src ไดเรกทอรีรากของต้นไม้แหล่งที่มา มันเมาท์ไดเรกทอรีปัจจุบันของโฮสต์ในภาชนะที่ /mnt ไดเรกทอรีและส่งผ่านข้อมูลของผู้ใช้โฮสต์คอนเทนเนอร์ผ่านตัวแปรสิ่งแวดล้อม (ใช้ในการกำหนดสิทธิ-หางสามารถทำให้ยุ่งยากนี้)

อีกทางเลือกหนึ่งที่จะสร้างสำเนาโฮสต์ของ TensorFlow ภายในภาชนะติดแหล่งต้นไม้ที่โฮสต์คอนเทนเนอร์ /tensorflow ไดเรกทอรี:

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

ด้วยการตั้งค่าทรีต้นทาง ให้สร้างแพ็คเกจ TensorFlow ภายในสภาพแวดล้อมเสมือนของคอนเทนเนอร์:

  1. กำหนดค่าบิลด์—ซึ่งจะแจ้งให้ผู้ใช้ตอบคำถามเกี่ยวกับการกำหนดค่าบิวด์
  2. สร้างเครื่องมือที่ใช้ในการสร้างแพคเกจ pip
  3. เรียกใช้เครื่องมือในการสร้างแพคเกจ pip
  4. ปรับสิทธิ์การเป็นเจ้าของไฟล์สำหรับภายนอกคอนเทนเนอร์
./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

ติดตั้งและตรวจสอบแพ็คเกจภายในคอนเทนเนอร์:

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__)"

บนเครื่องโฮสต์ของคุณแพคเกจ TensorFlow pip อยู่ในไดเรกทอรีปัจจุบัน (กับสิทธิ์ของผู้ใช้โฮสต์): ./tensorflow- version - tags .whl

รองรับ GPU

หางเป็นวิธีที่ง่ายที่สุดในการสนับสนุนการสร้าง GPU สำหรับ TensorFlow ตั้งแต่เครื่องโฮสต์เพียงต้องใช้ ไดรเวอร์NVIDIA® (คนNVIDIA®CUDA® Toolkit ไม่ได้จะต้องมีการติดตั้ง) ดู คู่มือการสนับสนุน GPU และ TensorFlow คู่มือเทียบท่า ในการตั้งค่า nvidia-นักเทียบท่า (Linux เท่านั้น)

ตัวอย่างต่อไปนี้ดาวน์โหลด TensorFlow :devel-gpu ภาพและการใช้ nvidia-docker ในการเรียกใช้ภาชนะ GPU ที่เปิดใช้งาน ภาพการพัฒนานี้จะมีการกำหนดค่าที่จะสร้างแพคเกจ pip ด้วยการสนับสนุน GPU:

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

จากนั้น ภายในสภาพแวดล้อมเสมือนของคอนเทนเนอร์ ให้สร้างแพ็คเกจ TensorFlow พร้อมรองรับ GPU:

./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

ติดตั้งและตรวจสอบแพ็คเกจภายในคอนเทนเนอร์ และตรวจสอบ GPU:

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')))"

การกำหนดค่าบิลด์ที่ทดสอบแล้ว

ลินุกซ์

ซีพียู

เวอร์ชั่น เวอร์ชัน Python คอมไพเลอร์ เครื่องมือสร้าง
เทนเซอร์โฟลว์-2.7.0 3.7-3.9 GCC 7.3.1 Bazel 3.7.2
เทนเซอร์โฟลว์-2.6.0 3.6-3.9 GCC 7.3.1 Bazel 3.7.2
เทนเซอร์โฟลว์-2.5.0 3.6-3.9 GCC 7.3.1 Bazel 3.7.2
เทนเซอร์โฟลว์-2.4.0 3.6-3.8 GCC 7.3.1 Bazel 3.1.0
เทนเซอร์โฟลว์-2.3.0 3.5-3.8 GCC 7.3.1 Bazel 3.1.0
เทนเซอร์โฟลว์-2.2.0 3.5-3.8 GCC 7.3.1 Bazel 2.0.0
เทนเซอร์โฟลว์-2.1.0 2.7, 3.5-3.7 GCC 7.3.1 บาเซล 0.27.1
เทนเซอร์โฟลว์-2.0.0 2.7, 3.3-3.7 GCC 7.3.1 บาเซล 0.26.1
เทนเซอร์โฟลว์-1.15.0 2.7, 3.3-3.7 GCC 7.3.1 บาเซล 0.26.1
เทนเซอร์โฟลว์-1.14.0 2.7, 3.3-3.7 GCC 4.8 Bazel 0.24.1
เทนเซอร์โฟลว์-1.13.1 2.7, 3.3-3.7 GCC 4.8 Bazel 0.19.2
เทนเซอร์โฟลว์-1.12.0 2.7, 3.3-3.6 GCC 4.8 Bazel 0.15.0
เทนเซอร์โฟลว์-1.11.0 2.7, 3.3-3.6 GCC 4.8 Bazel 0.15.0
เทนเซอร์โฟลว์-1.10.0 2.7, 3.3-3.6 GCC 4.8 Bazel 0.15.0
เทนเซอร์โฟลว์-1.9.0 2.7, 3.3-3.6 GCC 4.8 Bazel 0.11.0
เทนเซอร์โฟลว์-1.8.0 2.7, 3.3-3.6 GCC 4.8 Bazel 0.10.0
เทนเซอร์โฟลว์-1.7.0 2.7, 3.3-3.6 GCC 4.8 Bazel 0.10.0
เทนเซอร์โฟลว์-1.6.0 2.7, 3.3-3.6 GCC 4.8 Bazel 0.9.0
เทนเซอร์โฟลว์-1.5.0 2.7, 3.3-3.6 GCC 4.8 Bazel 0.8.0
เทนเซอร์โฟลว์-1.4.0 2.7, 3.3-3.6 GCC 4.8 Bazel 0.5.4
เทนเซอร์โฟลว์-1.3.0 2.7, 3.3-3.6 GCC 4.8 Bazel 0.4.5
เทนเซอร์โฟลว์-1.2.0 2.7, 3.3-3.6 GCC 4.8 Bazel 0.4.5
เทนเซอร์โฟลว์-1.1.0 2.7, 3.3-3.6 GCC 4.8 Bazel 0.4.2
เทนเซอร์โฟลว์-1.0.0 2.7, 3.3-3.6 GCC 4.8 Bazel 0.4.2

GPU

เวอร์ชั่น เวอร์ชัน Python คอมไพเลอร์ เครื่องมือสร้าง cuDNN CUDA
เทนเซอร์โฟลว์-2.7.0 3.7-3.9 GCC 7.3.1 Bazel 3.7.2 8.1 11.2
เทนเซอร์โฟลว์-2.6.0 3.6-3.9 GCC 7.3.1 Bazel 3.7.2 8.1 11.2
เทนเซอร์โฟลว์-2.5.0 3.6-3.9 GCC 7.3.1 Bazel 3.7.2 8.1 11.2
เทนเซอร์โฟลว์-2.4.0 3.6-3.8 GCC 7.3.1 Bazel 3.1.0 8.0 11.0
เทนเซอร์โฟลว์-2.3.0 3.5-3.8 GCC 7.3.1 Bazel 3.1.0 7.6 10.1
เทนเซอร์โฟลว์-2.2.0 3.5-3.8 GCC 7.3.1 Bazel 2.0.0 7.6 10.1
เทนเซอร์โฟลว์-2.1.0 2.7, 3.5-3.7 GCC 7.3.1 บาเซล 0.27.1 7.6 10.1
เทนเซอร์โฟลว์-2.0.0 2.7, 3.3-3.7 GCC 7.3.1 บาเซล 0.26.1 7.4 10.0
tensorflow_gpu-1.15.0 2.7, 3.3-3.7 GCC 7.3.1 บาเซล 0.26.1 7.4 10.0
tensorflow_gpu-1.14.0 2.7, 3.3-3.7 GCC 4.8 Bazel 0.24.1 7.4 10.0
tensorflow_gpu-1.13.1 2.7, 3.3-3.7 GCC 4.8 Bazel 0.19.2 7.4 10.0
tensorflow_gpu-1.12.0 2.7, 3.3-3.6 GCC 4.8 Bazel 0.15.0 7 9
tensorflow_gpu-1.11.0 2.7, 3.3-3.6 GCC 4.8 Bazel 0.15.0 7 9
tensorflow_gpu-1.10.0 2.7, 3.3-3.6 GCC 4.8 Bazel 0.15.0 7 9
tensorflow_gpu-1.9.0 2.7, 3.3-3.6 GCC 4.8 Bazel 0.11.0 7 9
tensorflow_gpu-1.8.0 2.7, 3.3-3.6 GCC 4.8 Bazel 0.10.0 7 9
tensorflow_gpu-1.7.0 2.7, 3.3-3.6 GCC 4.8 Bazel 0.9.0 7 9
tensorflow_gpu-1.6.0 2.7, 3.3-3.6 GCC 4.8 Bazel 0.9.0 7 9
tensorflow_gpu-1.5.0 2.7, 3.3-3.6 GCC 4.8 Bazel 0.8.0 7 9
tensorflow_gpu-1.4.0 2.7, 3.3-3.6 GCC 4.8 Bazel 0.5.4 6 8
tensorflow_gpu-1.3.0 2.7, 3.3-3.6 GCC 4.8 Bazel 0.4.5 6 8
tensorflow_gpu-1.2.0 2.7, 3.3-3.6 GCC 4.8 Bazel 0.4.5 5.1 8
tensorflow_gpu-1.1.0 2.7, 3.3-3.6 GCC 4.8 Bazel 0.4.2 5.1 8
tensorflow_gpu-1.0.0 2.7, 3.3-3.6 GCC 4.8 Bazel 0.4.2 5.1 8

macOS

ซีพียู

เวอร์ชั่น เวอร์ชัน Python คอมไพเลอร์ เครื่องมือสร้าง
เทนเซอร์โฟลว์-2.7.0 3.7-3.9 เสียงดังกราวจาก xcode 10.11 Bazel 3.7.2
เทนเซอร์โฟลว์-2.6.0 3.6-3.9 เสียงดังกราวจาก xcode 10.11 Bazel 3.7.2
เทนเซอร์โฟลว์-2.5.0 3.6-3.9 เสียงดังกราวจาก xcode 10.11 Bazel 3.7.2
เทนเซอร์โฟลว์-2.4.0 3.6-3.8 เสียงดังกราวจาก xcode 10.3 Bazel 3.1.0
เทนเซอร์โฟลว์-2.3.0 3.5-3.8 เสียงดังกราวจาก xcode 10.1 Bazel 3.1.0
เทนเซอร์โฟลว์-2.2.0 3.5-3.8 เสียงดังกราวจาก xcode 10.1 Bazel 2.0.0
เทนเซอร์โฟลว์-2.1.0 2.7, 3.5-3.7 เสียงดังกราวจาก xcode 10.1 บาเซล 0.27.1
เทนเซอร์โฟลว์-2.0.0 2.7, 3.5-3.7 เสียงดังกราวจาก xcode 10.1 บาเซล 0.27.1
เทนเซอร์โฟลว์-2.0.0 2.7, 3.3-3.7 เสียงดังกราวจาก xcode 10.1 บาเซล 0.26.1
เทนเซอร์โฟลว์-1.15.0 2.7, 3.3-3.7 เสียงดังกราวจาก xcode 10.1 บาเซล 0.26.1
เทนเซอร์โฟลว์-1.14.0 2.7, 3.3-3.7 เสียงดังกราวจาก xcode Bazel 0.24.1
เทนเซอร์โฟลว์-1.13.1 2.7, 3.3-3.7 เสียงดังกราวจาก xcode Bazel 0.19.2
เทนเซอร์โฟลว์-1.12.0 2.7, 3.3-3.6 เสียงดังกราวจาก xcode Bazel 0.15.0
เทนเซอร์โฟลว์-1.11.0 2.7, 3.3-3.6 เสียงดังกราวจาก xcode Bazel 0.15.0
เทนเซอร์โฟลว์-1.10.0 2.7, 3.3-3.6 เสียงดังกราวจาก xcode Bazel 0.15.0
เทนเซอร์โฟลว์-1.9.0 2.7, 3.3-3.6 เสียงดังกราวจาก xcode Bazel 0.11.0
เทนเซอร์โฟลว์-1.8.0 2.7, 3.3-3.6 เสียงดังกราวจาก xcode Bazel 0.10.1
เทนเซอร์โฟลว์-1.7.0 2.7, 3.3-3.6 เสียงดังกราวจาก xcode Bazel 0.10.1
เทนเซอร์โฟลว์-1.6.0 2.7, 3.3-3.6 เสียงดังกราวจาก xcode Bazel 0.8.1
เทนเซอร์โฟลว์-1.5.0 2.7, 3.3-3.6 เสียงดังกราวจาก xcode Bazel 0.8.1
เทนเซอร์โฟลว์-1.4.0 2.7, 3.3-3.6 เสียงดังกราวจาก xcode Bazel 0.5.4
เทนเซอร์โฟลว์-1.3.0 2.7, 3.3-3.6 เสียงดังกราวจาก xcode Bazel 0.4.5
เทนเซอร์โฟลว์-1.2.0 2.7, 3.3-3.6 เสียงดังกราวจาก xcode Bazel 0.4.5
เทนเซอร์โฟลว์-1.1.0 2.7, 3.3-3.6 เสียงดังกราวจาก xcode Bazel 0.4.2
เทนเซอร์โฟลว์-1.0.0 2.7, 3.3-3.6 เสียงดังกราวจาก xcode Bazel 0.4.2

GPU

เวอร์ชั่น เวอร์ชัน Python คอมไพเลอร์ เครื่องมือสร้าง cuDNN CUDA
tensorflow_gpu-1.1.0 2.7, 3.3-3.6 เสียงดังกราวจาก xcode Bazel 0.4.2 5.1 8
tensorflow_gpu-1.0.0 2.7, 3.3-3.6 เสียงดังกราวจาก xcode Bazel 0.4.2 5.1 8