Instal TensorFlow dengan pip

Panduan ini ditujukan untuk TensorFlow versi stabil terbaru. Untuk build pratinjau (nightly) , gunakan paket pip bernama tf-nightly . Lihat tabel ini untuk mengetahui persyaratan versi TensorFlow yang lebih lama. Untuk build khusus CPU, gunakan paket pip bernama tensorflow-cpu .

Berikut adalah versi cepat dari perintah instalasi. Gulir ke bawah untuk petunjuk langkah demi langkah.

Linux

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

macOS

# 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 Asli

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'))"

CPU

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

Malam

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

Persyaratan perangkat keras

Perangkat berkemampuan GPU berikut ini didukung:

  • Kartu GPU NVIDIA® dengan arsitektur CUDA® 3.5, 5.0, 6.0, 7.0, 7.5, 8.0 dan lebih tinggi. Lihat daftar kartu GPU berkemampuan CUDA® .
  • Untuk GPU dengan arsitektur CUDA® yang tidak didukung, atau untuk menghindari kompilasi JIT dari PTX, atau untuk menggunakan versi pustaka NVIDIA® yang berbeda, lihat panduan build Linux dari sumber .
  • Paket tidak berisi kode PTX kecuali arsitektur CUDA® terbaru yang didukung; oleh karena itu, TensorFlow gagal dimuat pada GPU lama ketika CUDA_FORCE_PTX_JIT=1 disetel. (Lihat Kompatibilitas Aplikasi untuk detailnya.)

Persyaratan sistem

  • Ubuntu 16.04 atau lebih tinggi (64-bit)
  • macOS 12.0 (Monterey) atau lebih tinggi (64-bit) (tidak ada dukungan GPU)
  • Windows Native - Windows 7 atau lebih tinggi (64-bit) (tidak ada dukungan GPU setelah TF 2.10)
  • Windows WSL2 - Windows 10 19044 atau lebih tinggi (64-bit)

Persyaratan perangkat lunak

Perangkat lunak NVIDIA® berikut hanya diperlukan untuk dukungan GPU.

Petunjuk langkah demi langkah

Linux

1. Persyaratan sistem

  • Ubuntu 16.04 atau lebih tinggi (64-bit)

TensorFlow hanya secara resmi mendukung Ubuntu. Namun, petunjuk berikut mungkin juga berfungsi untuk distro Linux lainnya.

2. pengaturan GPU

Anda dapat melewati bagian ini jika Anda hanya menjalankan TensorFlow di CPU.

Instal driver GPU NVIDIA jika belum. Anda dapat menggunakan perintah berikut untuk memverifikasi bahwa itu sudah diinstal.

nvidia-smi

3. Buat lingkungan virtual dengan venv

Modul venv adalah bagian dari pustaka standar Python dan merupakan cara resmi yang direkomendasikan untuk membuat lingkungan virtual.

Navigasikan ke direktori lingkungan virtual yang Anda inginkan dan buat lingkungan venv baru bernama tf dengan perintah berikut.

python3 -m venv tf 

Anda dapat mengaktifkannya dengan perintah berikut.

source tf/bin/activate    

Pastikan lingkungan virtual diaktifkan selama sisa instalasi.

4. Instal TensorFlow

TensorFlow memerlukan pip versi terbaru, jadi tingkatkan instalasi pip Anda untuk memastikan Anda menjalankan versi terbaru.

pip install --upgrade pip

Lalu, instal TensorFlow dengan pip.

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

6. Verifikasi instalasi

Verifikasi pengaturan CPU:

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

Jika tensor dikembalikan, Anda telah berhasil menginstal TensorFlow.

Verifikasi pengaturan GPU:

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

Jika daftar perangkat GPU ditampilkan, Anda telah berhasil menginstal TensorFlow. Jika tidak lanjutkan ke langkah berikutnya .

6. [GPU saja] Konfigurasi lingkungan virtual

Jika pengujian GPU di bagian terakhir tidak berhasil, kemungkinan besar penyebabnya adalah komponen tidak terdeteksi, dan/atau bertentangan dengan instalasi CUDA sistem yang ada. Jadi, Anda perlu menambahkan beberapa tautan simbolis untuk memperbaikinya.

  • Buat tautan simbolis ke perpustakaan bersama NVIDIA:
pushd $(dirname $(python -c 'print(__import__("tensorflow").__file__)'))
ln -svf ../nvidia/*/lib/*.so* .
popd
  • Buat tautan simbolik ke 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

Verifikasi pengaturan GPU:

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

macOS

1. Persyaratan sistem

  • macOS 10.12.6 (Sierra) atau lebih tinggi (64-bit)

Saat ini belum ada dukungan GPU resmi untuk menjalankan TensorFlow di MacOS. Petunjuk berikut ini untuk dijalankan pada CPU.

2. Periksa versi Python

Periksa apakah lingkungan Python Anda sudah dikonfigurasi:

python3 --version
python3 -m pip --version

3. Instal TensorFlow

TensorFlow memerlukan pip versi terbaru, jadi tingkatkan instalasi pip Anda untuk memastikan Anda menjalankan versi terbaru.

pip install --upgrade pip

Lalu, instal TensorFlow dengan pip.

pip install tensorflow

4. Verifikasi instalasi

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

Jika tensor dikembalikan, Anda telah berhasil menginstal TensorFlow.

Windows Asli

1. Persyaratan sistem

  • Windows 7 atau lebih tinggi (64-bit)

2. Instal Microsoft Visual C++ Dapat Didistribusikan Ulang

Instal Microsoft Visual C++ Redistributable untuk Visual Studio 2015, 2017, dan 2019 . Dimulai dengan versi TensorFlow 2.1.0, file msvcp140_1.dll diperlukan dari paket ini (yang mungkin tidak disediakan dari paket lama yang dapat didistribusikan ulang). Yang dapat didistribusikan ulang hadir dengan Visual Studio 2019 tetapi dapat diinstal secara terpisah:

  1. Buka unduhan Microsoft Visual C++ .
  2. Gulir ke bawah halaman ke bagian Visual Studio 2015, 2017 dan 2019 .
  3. Unduh dan instal Microsoft Visual C++ Redistributable untuk Visual Studio 2015, 2017, dan 2019 untuk platform Anda.

Pastikan jalur panjang diaktifkan di Windows.

3. Instal Miniconda

Miniconda adalah pendekatan yang direkomendasikan untuk menginstal TensorFlow dengan dukungan GPU. Ini menciptakan lingkungan terpisah untuk menghindari perubahan perangkat lunak apa pun yang diinstal di sistem Anda. Ini juga merupakan cara termudah untuk menginstal perangkat lunak yang diperlukan terutama untuk pengaturan GPU.

Unduh Penginstal Windows Miniconda . Klik dua kali file yang diunduh dan ikuti petunjuk di layar.

4. Ciptakan lingkungan yang kondusif

Buat lingkungan conda baru bernama tf dengan perintah berikut.

conda create --name tf python=3.9

Anda dapat menonaktifkan dan mengaktifkannya dengan perintah berikut.

conda deactivate
conda activate tf

Pastikan itu diaktifkan untuk sisa instalasi.

5. Pengaturan GPU

Anda dapat melewati bagian ini jika Anda hanya menjalankan TensorFlow di CPU.

Instal terlebih dahulu driver GPU NVIDIA jika belum.

Kemudian instal CUDA, cuDNN dengan conda.

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

6. Instal TensorFlow

TensorFlow memerlukan pip versi terbaru, jadi tingkatkan instalasi pip Anda untuk memastikan Anda menjalankan versi terbaru.

pip install --upgrade pip

Lalu, instal TensorFlow dengan pip.

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

7. Verifikasi instalasi

Verifikasi pengaturan CPU:

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

Jika tensor dikembalikan, Anda telah berhasil menginstal TensorFlow.

Verifikasi pengaturan GPU:

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

Jika daftar perangkat GPU ditampilkan, Anda telah berhasil menginstal TensorFlow.

Windows WSL2

1. Persyaratan sistem

  • Windows 10 19044 atau lebih tinggi (64-bit). Ini sesuai dengan Windows 10 versi 21H2, pembaruan November 2021.

Lihat dokumen berikut untuk:

2. pengaturan GPU

Anda dapat melewati bagian ini jika Anda hanya menjalankan TensorFlow di CPU.

Instal driver GPU NVIDIA jika belum. Anda dapat menggunakan perintah berikut untuk memverifikasi bahwa itu sudah diinstal.

nvidia-smi

3. Instal TensorFlow

TensorFlow memerlukan pip versi terbaru, jadi tingkatkan instalasi pip Anda untuk memastikan Anda menjalankan versi terbaru.

pip install --upgrade pip

Lalu, instal TensorFlow dengan pip.

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

4. Verifikasi instalasi

Verifikasi pengaturan CPU:

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

Jika tensor dikembalikan, Anda telah berhasil menginstal TensorFlow.

Verifikasi pengaturan GPU:

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

Jika daftar perangkat GPU ditampilkan, Anda telah berhasil menginstal TensorFlow.

Lokasi paket

Beberapa mekanisme instalasi memerlukan URL paket TensorFlow Python. Nilai yang Anda tentukan bergantung pada versi Python Anda.

Versi URL
Linuxx86
Dukungan GPU Python 3.9 https://storage.googleapis.com/tensorflow/versions/2.18.0/tensorflow-2.18.0-cp39-cp39-manylinux_2_17_x86_64.manylinux2014_x86_64.whl
Hanya CPU Python 3.9 https://storage.googleapis.com/tensorflow/versions/2.18.0/tensorflow_cpu-2.18.0-cp39-cp39-manylinux_2_17_x86_64.manylinux2014_x86_64.whl
Dukungan GPU Python 3.10 https://storage.googleapis.com/tensorflow/versions/2.18.0/tensorflow-2.18.0-cp310-cp310-manylinux_2_17_x86_64.manylinux2014_x86_64.whl
Hanya CPU Python 3.10 https://storage.googleapis.com/tensorflow/versions/2.18.0/tensorflow_cpu-2.18.0-cp310-cp310-manylinux_2_17_x86_64.manylinux2014_x86_64.whl
Dukungan GPU Python 3.11 https://storage.googleapis.com/tensorflow/versions/2.18.0/tensorflow-2.18.0-cp311-cp311-manylinux_2_17_x86_64.manylinux2014_x86_64.whl
Hanya CPU Python 3.11 https://storage.googleapis.com/tensorflow/versions/2.18.0/tensorflow_cpu-2.18.0-cp311-cp311-manylinux_2_17_x86_64.manylinux2014_x86_64.whl
Dukungan GPU Python 3.12 https://storage.googleapis.com/tensorflow/versions/2.18.0/tensorflow-2.18.0-cp312-cp312-manylinux_2_17_x86_64.manylinux2014_x86_64.whl
Hanya CPU Python 3.12 https://storage.googleapis.com/tensorflow/versions/2.18.0/tensorflow_cpu-2.18.0-cp312-cp312-manylinux_2_17_x86_64.manylinux2014_x86_64.whl
Linux Arm64 (khusus CPU)
ular piton 3.9 https://storage.googleapis.com/tensorflow/versions/2.18.0/tensorflow-2.18.0-cp39-cp39-manylinux_2_17_aarch64.manylinux2014_aarch64.whl
Python 3.10 https://storage.googleapis.com/tensorflow/versions/2.18.0/tensorflow-2.18.0-cp310-cp310-manylinux_2_17_aarch64.manylinux2014_aarch64.whl
Python 3.11 https://storage.googleapis.com/tensorflow/versions/2.18.0/tensorflow-2.18.0-cp311-cp311-manylinux_2_17_aarch64.manylinux2014_aarch64.whl
Python 3.12 https://storage.googleapis.com/tensorflow/versions/2.18.0/tensorflow-2.18.0-cp312-cp312-manylinux_2_17_aarch64.manylinux2014_aarch64.whl
macOS x86 (khusus CPU)
Perhatian : TensorFlow 2.16 adalah rilis TensorFlow terakhir yang mendukung macOS x86
ular piton 3.9 https://storage.googleapis.com/tensorflow/versions/2.16.2/tensorflow-2.16.2-cp39-cp39-macosx_10_15_x86_64.whl
Python 3.10 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 (khusus CPU)
ular piton 3.9 https://storage.googleapis.com/tensorflow/versions/2.18.0/tensorflow-2.18.0-cp39-cp39-macosx_12_0_arm64.whl
Python 3.10 https://storage.googleapis.com/tensorflow/versions/2.18.0/tensorflow-2.18.0-cp310-cp310-macosx_12_0_arm64.whl
Python 3.11 https://storage.googleapis.com/tensorflow/versions/2.18.0/tensorflow-2.18.0-cp311-cp311-macosx_12_0_arm64.whl
Python 3.12 https://storage.googleapis.com/tensorflow/versions/2.18.0/tensorflow-2.18.0-cp312-cp312-macosx_12_0_arm64.whl
Windows (khusus CPU)
ular piton 3.9 https://storage.googleapis.com/tensorflow/versions/2.18.0/tensorflow-2.18.0-cp39-cp39-win_amd64.whl
Python 3.10 https://storage.googleapis.com/tensorflow/versions/2.18.0/tensorflow-2.18.0-cp310-cp310-win_amd64.whl
Python 3.11 https://storage.googleapis.com/tensorflow/versions/2.18.0/tensorflow-2.18.0-cp311-cp311-win_amd64.whl
Python 3.12 https://storage.googleapis.com/tensorflow/versions/2.18.0/tensorflow-2.18.0-cp312-cp312-win_amd64.whl