Installer TensorFlow avec pip

Ce guide concerne la dernière version stable de TensorFlow. Pour la version préliminaire (nightly) , utilisez le package pip nommé tf-nightly . Reportez-vous à ces tableaux pour connaître les exigences des anciennes versions de TensorFlow. Pour la version CPU uniquement, utilisez le package pip nommé tensorflow-cpu .

Voici les versions rapides des commandes d'installation. Faites défiler vers le bas pour les instructions étape par étape.

Linux

python3 -m pip install tensorflow[and-cuda]
# Verify the installation:
python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"

Mac OS

# There is currently no official GPU support for MacOS.
python3 -m pip install tensorflow
# Verify the installation:
python3 -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"

Windows natif

conda install -c conda-forge cudatoolkit=11.2 cudnn=8.1.0
# Anything above 2.10 is not supported on the GPU on Windows Native
python -m pip install "tensorflow<2.11"
# Verify the installation:
python -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"

Windows WSL2

python3 -m pip install tensorflow[and-cuda]
# Verify the installation:
python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"

Processeur

python3 -m pip install tensorflow
# Verify the installation:
python3 -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"

Chaque nuit

python3 -m pip install tf-nightly
# Verify the installation:
python3 -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"

Exigences matérielles

Les appareils compatibles GPU suivants sont pris en charge :

  • Carte GPU NVIDIA® avec architectures CUDA® 3.5, 5.0, 6.0, 7.0, 7.5, 8.0 et supérieures. Consultez la liste des cartes GPU compatibles CUDA® .
  • Pour les GPU avec des architectures CUDA® non prises en charge, ou pour éviter la compilation JIT à partir de PTX, ou pour utiliser différentes versions des bibliothèques NVIDIA®, consultez la version Linux à partir du guide des sources .
  • Les packages ne contiennent pas de code PTX, à l'exception de la dernière architecture CUDA® prise en charge ; par conséquent, TensorFlow ne parvient pas à se charger sur les anciens GPU lorsque CUDA_FORCE_PTX_JIT=1 est défini. (Voir Compatibilité des applications pour plus de détails.)

Configuration système requise

  • Ubuntu 16.04 ou supérieur (64 bits)
  • macOS 10.12.6 (Sierra) ou version ultérieure (64 bits) (pas de prise en charge GPU)
  • Windows Natif - Windows 7 ou supérieur (64 bits) (pas de support GPU après TF 2.10)
  • Windows WSL2 - Windows 10 19044 ou supérieur (64 bits)

Exigences logicielles

Les logiciels NVIDIA® suivants sont uniquement requis pour la prise en charge du GPU.

Instructions étape par étape

Linux

1. Configuration système requise

  • Ubuntu 16.04 ou supérieur (64 bits)

TensorFlow ne prend officiellement en charge qu'Ubuntu. Cependant, les instructions suivantes peuvent également fonctionner pour d'autres distributions Linux.

2. Configuration du GPU

Vous pouvez ignorer cette section si vous exécutez TensorFlow uniquement sur le processeur.

Installez le pilote GPU NVIDIA si ce n'est pas le cas. Vous pouvez utiliser la commande suivante pour vérifier qu'elle est installée.

nvidia-smi

3. Créez un environnement virtuel avec venv

Le module venv fait partie de la bibliothèque standard de Python et constitue le moyen officiellement recommandé pour créer des environnements virtuels.

Accédez au répertoire d'environnements virtuels souhaité et créez un nouvel environnement venv nommé tf avec la commande suivante.

python3 -m venv tf 

Vous pouvez l'activer avec la commande suivante.

source tf/bin/activate    

Assurez-vous que l'environnement virtuel est activé pour le reste de l'installation.

4. Installez TensorFlow

TensorFlow nécessite une version récente de pip, alors mettez à niveau votre installation pip pour être sûr que vous exécutez la dernière version.

pip install --upgrade pip

Ensuite, installez TensorFlow avec pip.

# For GPU users
pip install tensorflow[and-cuda]
# For CPU users
pip install tensorflow

6. Vérifiez l'installation

Vérifiez la configuration du processeur :

python3 -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"

Si un tensor est renvoyé, vous avez installé TensorFlow avec succès.

Vérifiez la configuration du GPU :

python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"

Si une liste de périphériques GPU est renvoyée, vous avez installé TensorFlow avec succès. Si ce n'est pas le cas, passez à l'étape suivante .

6. [GPU uniquement] Configuration de l'environnement virtuel

Si le test GPU de la dernière section a échoué, la cause la plus probable est que les composants ne sont pas détectés et/ou sont en conflit avec l'installation CUDA du système existant. Vous devez donc ajouter quelques liens symboliques pour résoudre ce problème.

  • Créez des liens symboliques vers les bibliothèques partagées NVIDIA :
pushd $(dirname $(python -c 'print(__import__("tensorflow").__file__)'))
ln -svf ../nvidia/*/lib/*.so* .
popd
  • Créez un lien symbolique vers ptxas :
ln -sf $(find $(dirname $(dirname $(python -c "import nvidia.cuda_nvcc;         
print(nvidia.cuda_nvcc.__file__)"))/*/bin/) -name ptxas -print -quit) $VIRTUAL_ENV/bin/ptxas

Vérifiez la configuration du GPU :

python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"

Mac OS

1. Configuration système requise

  • macOS 10.12.6 (Sierra) ou version ultérieure (64 bits)

Il n’existe actuellement aucune prise en charge GPU officielle pour exécuter TensorFlow sur MacOS. Les instructions suivantes concernent l'exécution sur le processeur.

2. Vérifiez la version de Python

Vérifiez si votre environnement Python est déjà configuré :

python3 --version
python3 -m pip --version

3. Installez TensorFlow

TensorFlow nécessite une version récente de pip, alors mettez à niveau votre installation pip pour être sûr que vous exécutez la dernière version.

pip install --upgrade pip

Ensuite, installez TensorFlow avec pip.

pip install tensorflow

4. Vérifiez l'installation

python3 -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"

Si un tensor est renvoyé, vous avez installé TensorFlow avec succès.

Windows natif

1. Configuration système requise

  • Windows 7 ou supérieur (64 bits)

2. Installez le redistribuable Microsoft Visual C++

Installez le redistribuable Microsoft Visual C++ pour Visual Studio 2015, 2017 et 2019 . À partir de la version TensorFlow 2.1.0, le fichier msvcp140_1.dll est requis pour ce package (qui peut ne pas être fourni à partir d'anciens packages redistribuables). Le redistribuable est fourni avec Visual Studio 2019 mais peut être installé séparément :

  1. Accédez aux téléchargements Microsoft Visual C++ .
  2. Faites défiler la page jusqu'à la section Visual Studio 2015, 2017 et 2019 .
  3. Téléchargez et installez le redistribuable Microsoft Visual C++ pour Visual Studio 2015, 2017 et 2019 pour votre plateforme.

Assurez-vous que les chemins longs sont activés sous Windows.

3. Installez Miniconda

Miniconda est l'approche recommandée pour installer TensorFlow avec prise en charge GPU. Il crée un environnement séparé pour éviter de modifier les logiciels installés sur votre système. C'est également le moyen le plus simple d'installer le logiciel requis, en particulier pour la configuration du GPU.

Téléchargez le programme d'installation Windows Miniconda . Double-cliquez sur le fichier téléchargé et suivez les instructions à l'écran.

4. Créez un environnement conda

Créez un nouvel environnement conda nommé tf avec la commande suivante.

conda create --name tf python=3.9

Vous pouvez le désactiver et l'activer avec les commandes suivantes.

conda deactivate
conda activate tf

Assurez-vous qu'il est activé pour la suite de l'installation.

5. Configuration du GPU

Vous pouvez ignorer cette section si vous exécutez TensorFlow uniquement sur le processeur.

Installez d’abord le pilote GPU NVIDIA si ce n’est pas le cas.

Installez ensuite CUDA, cuDNN avec conda.

conda install -c conda-forge cudatoolkit=11.2 cudnn=8.1.0

6. Installez TensorFlow

TensorFlow nécessite une version récente de pip, alors mettez à niveau votre installation pip pour être sûr que vous exécutez la dernière version.

pip install --upgrade pip

Ensuite, installez TensorFlow avec pip.

# Anything above 2.10 is not supported on the GPU on Windows Native
pip install "tensorflow<2.11" 

7. Vérifiez l'installation

Vérifiez la configuration du processeur :

python -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"

Si un tensor est renvoyé, vous avez installé TensorFlow avec succès.

Vérifiez la configuration du GPU :

python -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"

Si une liste de périphériques GPU est renvoyée, vous avez installé TensorFlow avec succès.

Windows WSL2

1. Configuration système requise

  • Windows 10 19044 ou supérieur (64 bits). Cela correspond à Windows 10 version 21H2, la mise à jour de novembre 2021.

Consultez les documents suivants pour :

2. Configuration du GPU

Vous pouvez ignorer cette section si vous exécutez TensorFlow uniquement sur le processeur.

Installez le pilote GPU NVIDIA si ce n'est pas le cas. Vous pouvez utiliser la commande suivante pour vérifier qu'elle est installée.

nvidia-smi

3. Installez TensorFlow

TensorFlow nécessite une version récente de pip, alors mettez à niveau votre installation pip pour être sûr que vous exécutez la dernière version.

pip install --upgrade pip

Ensuite, installez TensorFlow avec pip.

# For GPU users
pip install tensorflow[and-cuda]
# For CPU users
pip install tensorflow

4. Vérifiez l'installation

Vérifiez la configuration du processeur :

python3 -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"

Si un tensor est renvoyé, vous avez installé TensorFlow avec succès.

Vérifiez la configuration du GPU :

python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"

Si une liste de périphériques GPU est renvoyée, vous avez installé TensorFlow avec succès.

Emplacement du colis

Quelques mécanismes d'installation nécessitent l'URL du package TensorFlow Python. La valeur que vous spécifiez dépend de votre version de Python.

Version URL
Linuxx86
Prise en charge des GPU Python 3.9 https://storage.googleapis.com/tensorflow/versions/2.17.0/tensorflow-2.17.0-cp39-cp39-manylinux_2_17_x86_64.manylinux2014_x86_64.whl
Python 3.9 CPU uniquement https://storage.googleapis.com/tensorflow/versions/2.17.0/tensorflow_cpu-2.17.0-cp39-cp39-manylinux_2_17_x86_64.manylinux2014_x86_64.whl
Prise en charge des GPU Python 3.10 https://storage.googleapis.com/tensorflow/versions/2.17.0/tensorflow-2.17.0-cp310-cp310-manylinux_2_17_x86_64.manylinux2014_x86_64.whl
Python 3.10 CPU uniquement https://storage.googleapis.com/tensorflow/versions/2.17.0/tensorflow_cpu-2.17.0-cp310-cp310-manylinux_2_17_x86_64.manylinux2014_x86_64.whl
Prise en charge des GPU Python 3.11 https://storage.googleapis.com/tensorflow/versions/2.17.0/tensorflow-2.17.0-cp311-cp311-manylinux_2_17_x86_64.manylinux2014_x86_64.whl
Python 3.11 CPU uniquement https://storage.googleapis.com/tensorflow/versions/2.17.0/tensorflow_cpu-2.17.0-cp311-cp311-manylinux_2_17_x86_64.manylinux2014_x86_64.whl
Prise en charge des GPU Python 3.12 https://storage.googleapis.com/tensorflow/versions/2.17.0/tensorflow-2.17.0-cp312-cp312-manylinux_2_17_x86_64.manylinux2014_x86_64.whl
Python 3.12 CPU uniquement https://storage.googleapis.com/tensorflow/versions/2.17.0/tensorflow_cpu-2.17.0-cp312-cp312-manylinux_2_17_x86_64.manylinux2014_x86_64.whl
Linux Arm64 (CPU uniquement)
Python3.9 https://storage.googleapis.com/tensorflow/versions/2.17.0/tensorflow-2.17.0-cp39-cp39-manylinux_2_17_aarch64.manylinux2014_aarch64.whl
Python3.10 https://storage.googleapis.com/tensorflow/versions/2.17.0/tensorflow-2.17.0-cp310-cp310-manylinux_2_17_aarch64.manylinux2014_aarch64.whl
Python 3.11 https://storage.googleapis.com/tensorflow/versions/2.17.0/tensorflow-2.17.0-cp311-cp311-manylinux_2_17_aarch64.manylinux2014_aarch64.whl
Python 3.12 https://storage.googleapis.com/tensorflow/versions/2.17.0/tensorflow-2.17.0-cp312-cp312-manylinux_2_17_aarch64.manylinux2014_aarch64.whl
macOS x86 (CPU uniquement)
Attention : TensorFlow 2.16 était la dernière version de TensorFlow prenant en charge macOS x86
Python3.9 https://storage.googleapis.com/tensorflow/versions/2.16.2/tensorflow-2.16.2-cp39-cp39-macosx_10_15_x86_64.whl
Python3.10 https://storage.googleapis.com/tensorflow/versions/2.16.2/tensorflow-2.16.2-cp310-cp310-macosx_10_15_x86_64.whl
Python 3.11 https://storage.googleapis.com/tensorflow/versions/2.16.2/tensorflow-2.16.2-cp311-cp311-macosx_10_15_x86_64.whl
Python 3.12 https://storage.googleapis.com/tensorflow/versions/2.16.2/tensorflow-2.16.2-cp312-cp312-macosx_10_15_x86_64.whl
macOS Arm64 (CPU uniquement)
Python3.9 https://storage.googleapis.com/tensorflow/versions/2.17.0/tensorflow-2.17.0-cp39-cp39-macosx_12_0_arm64.whl
Python3.10 https://storage.googleapis.com/tensorflow/versions/2.17.0/tensorflow-2.17.0-cp310-cp310-macosx_12_0_arm64.whl
Python 3.11 https://storage.googleapis.com/tensorflow/versions/2.17.0/tensorflow-2.17.0-cp311-cp311-macosx_12_0_arm64.whl
Python 3.12 https://storage.googleapis.com/tensorflow/versions/2.17.0/tensorflow-2.17.0-cp312-cp312-macosx_12_0_arm64.whl
Windows (CPU uniquement)
Python3.9 https://storage.googleapis.com/tensorflow/versions/2.17.0/tensorflow-2.17.0-cp39-cp39-win_amd64.whl
Python3.10 https://storage.googleapis.com/tensorflow/versions/2.17.0/tensorflow-2.17.0-cp310-cp310-win_amd64.whl
Python 3.11 https://storage.googleapis.com/tensorflow/versions/2.17.0/tensorflow-2.17.0-cp311-cp311-win_amd64.whl
Python 3.12 https://storage.googleapis.com/tensorflow/versions/2.17.0/tensorflow-2.17.0-cp312-cp312-win_amd64.whl