Google is committed to advancing racial equity for Black communities. See how.
Diese Seite wurde von der Cloud Translation API übersetzt.
Switch to English

TensorFlow wird auf den folgenden 64-Bit-Systemen getestet und unterstützt:

  • Python 3.5–3.8
  • Ubuntu 16.04 oder höher
  • Windows 7 oder höher (mit C ++ umverteilbar )
  • macOS 10.12.6 (Sierra) oder höher (keine GPU-Unterstützung)
  • Raspbian 9.0 oder höher
# Requires the latest pip
pip install --upgrade pip
# Current stable release for CPU and GPU pip install tensorflow
# Or try the preview build (unstable) pip install tf-nightly

Installieren Sie TensorFlow mit dem Pip- Paketmanager von Python.

Offizielle Pakete für Ubuntu, Windows, MacOS und den Raspberry Pi.

Weitere Informationen zu CUDA®-fähigen Karten finden Sie im GPU-Handbuch .

Die TensorFlow Docker-Images sind bereits für die Ausführung von TensorFlow konfiguriert. Ein Docker- Container wird in einer virtuellen Umgebung ausgeführt und ist der einfachste Weg, um die GPU-Unterstützung einzurichten.

 docker pull tensorflow/tensorflow:latest  # Download latest stable image
docker run -it -p 8888:8888 tensorflow/tensorflow:latest-jupyter # Start Jupyter server

Keine Installation erforderlich: Führen Sie die TensorFlow-Tutorials direkt im Browser mit Colaboratory aus , einem Google-Forschungsprojekt, das zur Verbreitung von Bildung und Forschung im Bereich maschinelles Lernen entwickelt wurde. Es handelt sich um eine Jupyter-Notebook-Umgebung, für deren Verwendung kein Setup erforderlich ist und die vollständig in der Cloud ausgeführt wird. Lesen Sie den Blog-Beitrag .

Erstellen Sie Ihre erste ML-App

Erstellen und Bereitstellen von TensorFlow-Modellen im Web und auf Mobilgeräten.
TensorFlow.js ist eine WebGL-beschleunigte JavaScript-Bibliothek zum Trainieren und Bereitstellen von ML-Modellen im Browser und für Node.js.
TensorFlow Lite ist eine leichte Lösung für mobile und eingebettete Geräte.