Google متعهد به پیشبرد برابری نژادی برای جوامع سیاه است. ببینید چگونه.
این صفحه به‌وسیله ‏Cloud Translation API‏ ترجمه شده است.
Switch to English

از منبع در ویندوز بسازید

ساخت یک بسته پیپ TensorFlow از منبع و نصب آن بر روی ویندوز.

تنظیم برای ویندوز

ابزارهای زیر را برای پیکربندی محیط توسعه ویندوز خود نصب کنید.

بسته های پایتون و بسته های TensorFlow را نصب کنید

نسخه 64 بیتی Python 3.5.x یا Python 3.6.x را برای ویندوز نصب کنید . پیپ را به عنوان یک ویژگی اختیاری انتخاب کرده و آن را به متغیر محیطی %PATH% خود اضافه کنید.

نصب TensorFlow پیپ وابستگی بسته:

pip3 install six numpy wheel
pip3 install keras_applications==1.0.6 --no-deps
pip3 install keras_preprocessing==1.0.5 --no-deps

وابستگی ها در پرونده setup.py تحت REQUIRED_PACKAGES ذکر شده اند.

بازل را نصب کنید

Bazel ، ابزاری برای ساختن TensorFlow را نصب کنید . برای نسخه Bazel ، به تنظیمات ساخت آزمایش شده برای ویندوز مراجعه کنید. Bazel را برای ساخت C ++ پیکربندی کنید.

محل اجرای Bazel را به متغیر محیط %PATH% خود اضافه کنید.

MSYS2 را نصب کنید

MSYS2 را برای ابزارهای سطل مورد نیاز برای ساخت TensorFlow نصب کنید . اگر MSYS2 روی C:\msys64 نصب شده است ، متغیر محیط C:\msys64\usr\bin به متغیر محیط %PATH% خود اضافه کنید. سپس با استفاده از cmd.exe ، اجرا کنید:

pacman -S git patch unzip

Visual C ++ Build Tools 2019 را نصب کنید

ابزارهای ساخت Visual C ++ 2019 را نصب کنید. این همراه با ویژوال استودیو 2019 است اما به صورت جداگانه قابل نصب است:

  1. به بارگیری های Visual Studio بروید ،
  2. توزیع مجدد و ساخت ابزار را انتخاب کنید ،
  3. دانلود و نصب:
    • Microsoft Visual C ++ 2019 قابل توزیع مجدد
    • Microsoft Build Tools 2019

پشتیبانی GPU را نصب کنید (اختیاری)

برای نصب درایورها و نرم افزارهای اضافی مورد نیاز برای اجرای TensorFlow روی GPU ، به راهنمای پشتیبانی Windows GPU مراجعه کنید.

کد منبع TensorFlow را بارگیری کنید

برای کلون مخزن TensorFlow از Git استفاده کنید ( git با MSYS2 نصب شده است):

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

بازپرداخت این repo به شاخه توسعه master . همچنین می توانید برای ساخت یک شعبه رهاسازی اقدام کنید :

git checkout branch_name  # r1.9, r1.10, etc.

ساخت را پیکربندی کنید

با اجرای موارد زیر در ریشه درخت منبع TensorFlow ، سیستم خود را پیکربندی کنید:

python ./configure.py

این اسکریپت موقعیت مکانی وابستگی های TensorFlow را از شما درخواست می کند و گزینه های تنظیمات ساخت اضافی (مثلاً پرچم کامپایلر) را درخواست می کند. در زیر نمونه نمونه ای از python ./configure.py (جلسه شما ممکن است متفاوت باشد) را نشان می دهد:

گزینه های پیکربندی

برای پشتیبانی از GPU ، نسخه های CUDA و cuDNN را مشخص کنید. اگر سیستم شما دارای چندین نسخه CUDA یا cuDNN است ، صریحاً نسخه را به جای تکیه به پیش فرض تنظیم کنید. ./configure.py پیوندهای سمبولیکی به کتابخانه های CUDA سیستم شما ایجاد می کند — بنابراین اگر مسیرهای کتابخانه CUDA خود را به روز کنید ، این مرحله تنظیمات باید قبل از ساخت مجدداً اجرا شود.

بسته پیپ را بسازید

TensorFlow 2.x

tensorflow: master repo به طور پیش فرض برای ساخت 2.x به روز شده است. Bazel را نصب کرده و برای ایجاد بسته TensorFlow از bazel build استفاده کنید.

bazel build //tensorflow/tools/pip_package:build_pip_package

TensorFlow 1.x

برای ساخت نسخه 1.x TensorFlow از master ، از bazel build --config=v1 تا یک بسته 1.x bazel build --config=v1 ایجاد کنید.

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

فقط CPU

برای ساخت سازنده بسته TensorFlow با پشتیبانی تنها از CPU ، از bazel استفاده کنید:

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

پشتیبانی GPU

برای ساخت سازنده بسته TensorFlow با پشتیبانی GPU:

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

گزینه های ساخت بازل

برای جلوگیری از ایجاد مشکل در ایجاد بسته ، از این گزینه استفاده کنید: tensorflow: شماره # 22390

--define=no_tensorflow_py_deps=true

برای گزینه های ساخت ، به مرجع خط فرمان Bazel مراجعه کنید.

ایجاد TensorFlow از مبدا می تواند از رم زیادی استفاده کند. اگر سیستم شما محدود به حافظه است ، استفاده از RAM --local_ram_resources=2048 با: --local_ram_resources=2048 .

اگر با پشتیبانی از GPU ساخته اید ، برای سرکوب پیامهای هشدار دهنده nvcc ، --copt=-nvcc_options=disable-warnings .

بسته را بسازید

bazel build فرمان ایجاد یک نام اجرایی build_pip_package -این برنامه ای است که ایجاد شده است pip بسته. برای مثال ، یک بسته. .whl در فهرست C:/tmp/tensorflow_pkg :

bazel-bin\tensorflow\tools\pip_package\build_pip_package C:/tmp/tensorflow_pkg

اگرچه ساختن هر دو پیکربندی CUDA و غیر CUDA در همان درخت منبع ممکن است ، اما توصیه می کنیم هنگام جابجایی بین این دو پیکربندی در همان منبع منبع ، بازار را bazel clean .

بسته را نصب کنید

نام پرونده تولید شده .whl بستگی به نسخه TensorFlow و سیستم عامل شما دارد. برای نصب بسته بندی از pip3 install استفاده pip3 install ، به عنوان مثال:

pip3 install C:/tmp/tensorflow_pkg/tensorflow- version -cp36-cp36m-win_amd64.whl

با استفاده از پوسته MSYS بسازید

TensorFlow همچنین با استفاده از پوسته MSYS ساخته می شود. تغییرات ذکر شده در زیر را انجام دهید ، سپس دستورالعمل های قبلی را برای خط فرمان بومی ویندوز ( cmd.exe ) دنبال کنید.

غیرفعال کردن مسیر MSYS

MSYS به طور خودکار استدلال که شبیه مسیر یونیکس به مسیرهای ویندوز، و این با این کار نمی تبدیل bazel . (برچسب //path/to:bin از زمانی که با یک برش شروع می شود یک مسیر مطلق یونیکس در نظر گرفته شده است.)

export MSYS_NO_PATHCONV=1
export MSYS2_ARG_CONV_EXCL="*"

PATH خود را تنظیم کنید

دایرکتوری های نصب Bazel و Python را به متغیر محیطی $PATH خود اضافه کنید. اگر Bazel بر روی C:\tools\bazel.exe و Python to C:\Python36\python.exe ، PATH خود را تنظیم کنید:

# Use Unix-style with ':' as separator
export PATH="/c/tools:$PATH"
export PATH="/c/Python36:$PATH"

برای پشتیبانی از GPU ، فهرست های CUDA و bin cuDNN bin را به $PATH خود اضافه کنید:

export PATH="/c/Program Files/NVIDIA GPU Computing Toolkit/CUDA/v9.0/bin:$PATH"
export PATH="/c/Program Files/NVIDIA GPU Computing Toolkit/CUDA/v9.0/extras/CUPTI/libx64:$PATH"
export PATH="/c/tools/cuda/bin:$PATH"

تنظیمات ساخت تست شده

پردازنده

نسخه نسخه پایتون کامپایلر ساختن ابزار
tensorflow-2.3.0 3.5-3.8 MSVC 2019 بازل 3.1.0
tensorflow-2.2.0 3.5-3.8 MSVC 2019 بازل 2.0.0
tensorflow-2.1.0 3.5-3.7 MSVC 2019 بازل 0.27.1-0.29.1
tensorflow-2.0.0 3.5-3.7 MSVC 2017 بازل 0.26.1
tensorflow-1.15.0 3.5-3.7 MSVC 2017 بازل 0.26.1
tensorflow-1.14.0 3.5-3.7 MSVC 2017 بازل 0.24.1-0.25.2
tensorflow-1.13.0 3.5-3.7 بروزرسانی 3 MSVC 2015 بازل 0.19.0-0.21.0
tensorflow-1.12.0 3.5-3.6 بروزرسانی 3 MSVC 2015 بازل 0.15.0
tensorflow-1.11.0 3.5-3.6 بروزرسانی 3 MSVC 2015 بازل 0.15.0
tensorflow-1.10.0 3.5-3.6 بروزرسانی 3 MSVC 2015 Cmake v3.6.3
tensorflow-1.9.0 3.5-3.6 بروزرسانی 3 MSVC 2015 Cmake v3.6.3
tensorflow-1.8.0 3.5-3.6 بروزرسانی 3 MSVC 2015 Cmake v3.6.3
tensorflow-1.7.0 3.5-3.6 بروزرسانی 3 MSVC 2015 Cmake v3.6.3
tensorflow-1.6.0 3.5-3.6 بروزرسانی 3 MSVC 2015 Cmake v3.6.3
tensorflow-1.5.0 3.5-3.6 بروزرسانی 3 MSVC 2015 Cmake v3.6.3
tensorflow-1.4.0 3.5-3.6 بروزرسانی 3 MSVC 2015 Cmake v3.6.3
tensorflow-1.3.0 3.5-3.6 بروزرسانی 3 MSVC 2015 Cmake v3.6.3
tensorflow-1.2.0 3.5-3.6 بروزرسانی 3 MSVC 2015 Cmake v3.6.3
tensorflow-1.1.0 3.5 بروزرسانی 3 MSVC 2015 Cmake v3.6.3
tensorflow-1.0.0 3.5 بروزرسانی 3 MSVC 2015 Cmake v3.6.3

GPU

نسخه نسخه پایتون کامپایلر ساختن ابزار cuDNN CUDA
tensorflow_gpu-2.3.0 3.5-3.8 MSVC 2019 بازل 3.1.0 7.4 10.1
tensorflow_gpu-2.2.0 3.5-3.8 MSVC 2019 بازل 2.0.0 7.4 10.1
tensorflow_gpu-2.1.0 3.5-3.7 MSVC 2019 بازل 0.27.1-0.29.1 7.4 10.1
tensorflow_gpu-2.0.0 3.5-3.7 MSVC 2017 بازل 0.26.1 7.4 10
tensorflow_gpu-1.15.0 3.5-3.7 MSVC 2017 بازل 0.26.1 7.4 10
tensorflow_gpu-1.14.0 3.5-3.7 MSVC 2017 بازل 0.24.1-0.25.2 7.4 10
tensorflow_gpu-1.13.0 3.5-3.7 بروزرسانی 3 MSVC 2015 بازل 0.19.0-0.21.0 7.4 10
tensorflow_gpu-1.12.0 3.5-3.6 بروزرسانی 3 MSVC 2015 بازل 0.15.0 7 9
tensorflow_gpu-1.11.0 3.5-3.6 بروزرسانی 3 MSVC 2015 بازل 0.15.0 7 9
tensorflow_gpu-1.10.0 3.5-3.6 بروزرسانی 3 MSVC 2015 Cmake v3.6.3 7 9
tensorflow_gpu-1.9.0 3.5-3.6 بروزرسانی 3 MSVC 2015 Cmake v3.6.3 7 9
tensorflow_gpu-1.8.0 3.5-3.6 بروزرسانی 3 MSVC 2015 Cmake v3.6.3 7 9
tensorflow_gpu-1.7.0 3.5-3.6 بروزرسانی 3 MSVC 2015 Cmake v3.6.3 7 9
tensorflow_gpu-1.6.0 3.5-3.6 بروزرسانی 3 MSVC 2015 Cmake v3.6.3 7 9
tensorflow_gpu-1.5.0 3.5-3.6 بروزرسانی 3 MSVC 2015 Cmake v3.6.3 7 9
tensorflow_gpu-1.4.0 3.5-3.6 بروزرسانی 3 MSVC 2015 Cmake v3.6.3 6 8
tensorflow_gpu-1.3.0 3.5-3.6 بروزرسانی 3 MSVC 2015 Cmake v3.6.3 6 8
tensorflow_gpu-1.2.0 3.5-3.6 بروزرسانی 3 MSVC 2015 Cmake v3.6.3 5.1 8
tensorflow_gpu-1.1.0 3.5 بروزرسانی 3 MSVC 2015 Cmake v3.6.3 5.1 8
tensorflow_gpu-1.0.0 3.5 بروزرسانی 3 MSVC 2015 Cmake v3.6.3 5.1 8