تثبيت TensorFlow مع النقطة

لينكس

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

ماك

# 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])))"

ويندوز الأصلي

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'))"

ويندوز WSL2

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

وحدة المعالجة المركزية

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

ليلا

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

لينكس

1. متطلبات النظام

• أوبونتو 16.04 أو أعلى (64 بت)

TensorFlow يدعم Ubuntu رسميًا فقط. ومع ذلك، قد تعمل الإرشادات التالية أيضًا مع توزيعات Linux الأخرى.

2. إعداد GPU

يمكنك تخطي هذا القسم إذا قمت بتشغيل TensorFlow على وحدة المعالجة المركزية فقط.

قم بتثبيت برنامج تشغيل NVIDIA GPU إذا لم تقم بذلك. يمكنك استخدام الأمر التالي للتحقق من تثبيته.

nvidia-smi

3. أنشئ بيئة افتراضية باستخدام venv

تعد وحدة venv جزءًا من مكتبة Python القياسية وهي الطريقة الموصى بها رسميًا لإنشاء بيئات افتراضية.

انتقل إلى دليل البيئات الافتراضية المطلوبة وقم بإنشاء بيئة venv جديدة باسم tf باستخدام الأمر التالي.

python3 -m venv tf 

يمكنك تفعيله باستخدام الأمر التالي.

source tf/bin/activate    

تأكد من تنشيط البيئة الافتراضية لبقية عملية التثبيت.

4. قم بتثبيت TensorFlow

يتطلب TensorFlow إصدارًا حديثًا من النقطة، لذا قم بترقية تثبيت النقطة لديك للتأكد من أنك تقوم بتشغيل أحدث إصدار.

pip install --upgrade pip

ثم قم بتثبيت TensorFlow باستخدام النقطة.

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

6. تحقق من التثبيت

التحقق من إعداد وحدة المعالجة المركزية:

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

إذا تم إرجاع الموتر، فهذا يعني أنك قمت بتثبيت TensorFlow بنجاح.

التحقق من إعداد GPU:

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

إذا تم إرجاع قائمة بأجهزة GPU، فهذا يعني أنك قمت بتثبيت TensorFlow بنجاح. إذا لم يستمر إلى الخطوة التالية .

6. [وحدة معالجة الرسومات فقط] تكوين البيئة الافتراضية

إذا لم ينجح اختبار GPU في القسم الأخير، فإن السبب الأكثر احتمالاً هو عدم اكتشاف المكونات و/أو التعارض مع تثبيت CUDA للنظام الحالي. لذلك تحتاج إلى إضافة بعض الروابط الرمزية لإصلاح ذلك.

• قم بإنشاء روابط رمزية لمكتبات NVIDIA المشتركة:

pushd $(dirname $(python -c 'print(__import__("tensorflow").__file__)'))
ln -svf ../nvidia/*/lib/*.so* .
popd

• قم بإنشاء رابط رمزي إلى 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

التحقق من إعداد GPU:

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

ماك

1. متطلبات النظام

• macOS 10.12.6 (سييرا) أو أعلى (64 بت)

لا يوجد حاليًا دعم رسمي لوحدة معالجة الرسومات (GPU) لتشغيل TensorFlow على نظام MacOS. الإرشادات التالية مخصصة للتشغيل على وحدة المعالجة المركزية.

2. تحقق من إصدار بايثون

تحقق مما إذا كانت بيئة Python الخاصة بك قد تم تكوينها بالفعل:

python3 --version
python3 -m pip --version

3. قم بتثبيت TensorFlow

يتطلب TensorFlow إصدارًا حديثًا من النقطة، لذا قم بترقية تثبيت النقطة لديك للتأكد من أنك تقوم بتشغيل أحدث إصدار.

pip install --upgrade pip

ثم قم بتثبيت TensorFlow باستخدام النقطة.

pip install tensorflow

4. تحقق من التثبيت

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

إذا تم إرجاع الموتر، فهذا يعني أنك قمت بتثبيت TensorFlow بنجاح.

ويندوز الأصلي

1. متطلبات النظام

• ويندوز 7 أو أعلى (64 بت)

2. قم بتثبيت Microsoft Visual C++ القابل لإعادة التوزيع

قم بتثبيت Microsoft Visual C++ Redistributable لـ Visual Studio 2015 و2017 و2019 . بدءًا من الإصدار TensorFlow 2.1.0، يلزم وجود ملف msvcp140_1.dll من هذه الحزمة (والتي قد لا يتم توفيرها من الحزم القديمة القابلة لإعادة التوزيع). يأتي الإصدار القابل لإعادة التوزيع مع Visual Studio 2019 ولكن يمكن تثبيته بشكل منفصل:

1. انتقل إلى تنزيلات Microsoft Visual C++ .
2. قم بالتمرير لأسفل الصفحة إلى قسم Visual Studio 2015 و2017 و2019 .
3. قم بتنزيل وتثبيت Microsoft Visual C++ Redistributable لـ Visual Studio 2015 و2017 و2019 لنظامك الأساسي.

تأكد من تمكين المسارات الطويلة على نظام التشغيل Windows.

3. قم بتثبيت Miniconda

Miniconda هو الأسلوب الموصى به لتثبيت TensorFlow بدعم GPU. يقوم بإنشاء بيئة منفصلة لتجنب تغيير أي برنامج مثبت في نظامك. هذه أيضًا هي الطريقة الأسهل لتثبيت البرنامج المطلوب خاصة لإعداد وحدة معالجة الرسومات.

قم بتنزيل برنامج Miniconda Windows Installer . انقر نقرًا مزدوجًا فوق الملف الذي تم تنزيله واتبع التعليمات التي تظهر على الشاشة.

4. قم بإنشاء بيئة كوندا

قم بإنشاء بيئة كوندا جديدة باسم tf باستخدام الأمر التالي.

conda create --name tf python=3.9

يمكنك إلغاء تنشيطه وتنشيطه باستخدام الأوامر التالية.

conda deactivate
conda activate tf

تأكد من تنشيطه لبقية التثبيت.

5. إعداد GPU

يمكنك تخطي هذا القسم إذا كنت تقوم بتشغيل TensorFlow على وحدة المعالجة المركزية فقط.

قم أولاً بتثبيت برنامج تشغيل NVIDIA GPU إذا لم تقم بذلك.

ثم قم بتثبيت CUDA، cuDNN مع conda.

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

6. قم بتثبيت TensorFlow

يتطلب TensorFlow إصدارًا حديثًا من النقطة، لذا قم بترقية تثبيت النقطة لديك للتأكد من أنك تقوم بتشغيل أحدث إصدار.

pip install --upgrade pip

ثم قم بتثبيت TensorFlow باستخدام النقطة.

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

7. تحقق من التثبيت

التحقق من إعداد وحدة المعالجة المركزية:

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

إذا تم إرجاع الموتر، فهذا يعني أنك قمت بتثبيت TensorFlow بنجاح.

التحقق من إعداد GPU:

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

إذا تم إرجاع قائمة بأجهزة GPU، فهذا يعني أنك قمت بتثبيت TensorFlow بنجاح.

ويندوز WSL2

1. متطلبات النظام

• نظام التشغيل Windows 10 19044 أو أعلى (64 بت). يتوافق هذا مع إصدار Windows 10 21H2، تحديث نوفمبر 2021.

راجع المستندات التالية من أجل:

• تنزيل آخر تحديث لنظام التشغيل Windows 10 .
• قم بتثبيت WSL2
• قم بإعداد دعم NVIDIA® GPU في WSL2

2. إعداد GPU

يمكنك تخطي هذا القسم إذا قمت بتشغيل TensorFlow على وحدة المعالجة المركزية فقط.

قم بتثبيت برنامج تشغيل NVIDIA GPU إذا لم تقم بذلك. يمكنك استخدام الأمر التالي للتحقق من تثبيته.

nvidia-smi

3. قم بتثبيت TensorFlow

يتطلب TensorFlow إصدارًا حديثًا من النقطة، لذا قم بترقية تثبيت النقطة لديك للتأكد من أنك تقوم بتشغيل أحدث إصدار.

pip install --upgrade pip

ثم قم بتثبيت TensorFlow باستخدام النقطة.

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

4. تحقق من التثبيت

التحقق من إعداد وحدة المعالجة المركزية:

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

إذا تم إرجاع الموتر، فهذا يعني أنك قمت بتثبيت TensorFlow بنجاح.

التحقق من إعداد GPU:

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

إذا تم إرجاع قائمة بأجهزة GPU، فهذا يعني أنك قمت بتثبيت TensorFlow بنجاح.

لينكس

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

ماك

# 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])))"

ويندوز الأصلي

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'))"

ويندوز WSL2

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

وحدة المعالجة المركزية

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

ليلا

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

لينكس

1. متطلبات النظام

• أوبونتو 16.04 أو أعلى (64 بت)

TensorFlow يدعم Ubuntu رسميًا فقط. ومع ذلك، قد تعمل الإرشادات التالية أيضًا مع توزيعات Linux الأخرى.

2. إعداد GPU

يمكنك تخطي هذا القسم إذا قمت بتشغيل TensorFlow على وحدة المعالجة المركزية فقط.

قم بتثبيت برنامج تشغيل NVIDIA GPU إذا لم تقم بذلك. يمكنك استخدام الأمر التالي للتحقق من تثبيته.

nvidia-smi

3. أنشئ بيئة افتراضية باستخدام venv

تعد وحدة venv جزءًا من مكتبة Python القياسية وهي الطريقة الموصى بها رسميًا لإنشاء بيئات افتراضية.

انتقل إلى دليل البيئات الافتراضية المطلوبة وقم بإنشاء بيئة venv جديدة باسم tf باستخدام الأمر التالي.

python3 -m venv tf 

يمكنك تفعيله باستخدام الأمر التالي.

source tf/bin/activate    

تأكد من تنشيط البيئة الافتراضية لبقية عملية التثبيت.

4. قم بتثبيت TensorFlow

يتطلب TensorFlow إصدارًا حديثًا من النقطة، لذا قم بترقية تثبيت النقطة لديك للتأكد من أنك تقوم بتشغيل أحدث إصدار.

pip install --upgrade pip

ثم قم بتثبيت TensorFlow باستخدام النقطة.

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

6. تحقق من التثبيت

التحقق من إعداد وحدة المعالجة المركزية:

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

إذا تم إرجاع الموتر، فهذا يعني أنك قمت بتثبيت TensorFlow بنجاح.

التحقق من إعداد GPU:

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

إذا تم إرجاع قائمة بأجهزة GPU، فهذا يعني أنك قمت بتثبيت TensorFlow بنجاح. إذا لم يستمر إلى الخطوة التالية .

6. [وحدة معالجة الرسومات فقط] تكوين البيئة الافتراضية

إذا لم ينجح اختبار GPU في القسم الأخير، فإن السبب الأكثر احتمالاً هو عدم اكتشاف المكونات و/أو التعارض مع تثبيت CUDA للنظام الحالي. لذلك تحتاج إلى إضافة بعض الروابط الرمزية لإصلاح ذلك.

• قم بإنشاء روابط رمزية لمكتبات NVIDIA المشتركة:

pushd $(dirname $(python -c 'print(__import__("tensorflow").__file__)'))
ln -svf ../nvidia/*/lib/*.so* .
popd

• قم بإنشاء رابط رمزي إلى 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

التحقق من إعداد GPU:

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

ماك

1. متطلبات النظام

• macOS 10.12.6 (سييرا) أو أعلى (64 بت)

لا يوجد حاليًا دعم GPU رسمي لتشغيل TensorFlow على نظام MacOS. الإرشادات التالية مخصصة للتشغيل على وحدة المعالجة المركزية.

2. تحقق من إصدار بايثون

تحقق مما إذا كانت بيئة Python الخاصة بك قد تم تكوينها بالفعل:

python3 --version
python3 -m pip --version

3. قم بتثبيت TensorFlow

يتطلب TensorFlow إصدارًا حديثًا من النقطة، لذا قم بترقية تثبيت النقطة لديك للتأكد من أنك تقوم بتشغيل أحدث إصدار.

pip install --upgrade pip

ثم قم بتثبيت TensorFlow باستخدام النقطة.

pip install tensorflow

4. تحقق من التثبيت

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

إذا تم إرجاع الموتر، فهذا يعني أنك قمت بتثبيت TensorFlow بنجاح.

ويندوز الأصلي

1. متطلبات النظام

• ويندوز 7 أو أعلى (64 بت)

2. قم بتثبيت Microsoft Visual C++ القابل لإعادة التوزيع

قم بتثبيت Microsoft Visual C++ Redistributable لـ Visual Studio 2015 و2017 و2019 . بدءًا من الإصدار TensorFlow 2.1.0، يلزم وجود ملف msvcp140_1.dll من هذه الحزمة (والتي قد لا يتم توفيرها من الحزم القديمة القابلة لإعادة التوزيع). يأتي الإصدار القابل لإعادة التوزيع مع Visual Studio 2019 ولكن يمكن تثبيته بشكل منفصل:

1. انتقل إلى تنزيلات Microsoft Visual C++ .
2. قم بالتمرير لأسفل الصفحة إلى قسم Visual Studio 2015 و2017 و2019 .
3. قم بتنزيل وتثبيت Microsoft Visual C++ Redistributable لـ Visual Studio 2015 و2017 و2019 لنظامك الأساسي.

تأكد من تمكين المسارات الطويلة على نظام التشغيل Windows.

3. قم بتثبيت Miniconda

Miniconda هو الأسلوب الموصى به لتثبيت TensorFlow بدعم GPU. يقوم بإنشاء بيئة منفصلة لتجنب تغيير أي برنامج مثبت في نظامك. هذه أيضًا هي الطريقة الأسهل لتثبيت البرنامج المطلوب خاصة لإعداد وحدة معالجة الرسومات.

قم بتنزيل برنامج Miniconda Windows Installer . انقر نقرًا مزدوجًا فوق الملف الذي تم تنزيله واتبع التعليمات التي تظهر على الشاشة.

4. قم بإنشاء بيئة كوندا

قم بإنشاء بيئة كوندا جديدة باسم tf باستخدام الأمر التالي.

conda create --name tf python=3.9

يمكنك إلغاء تنشيطه وتنشيطه باستخدام الأوامر التالية.

conda deactivate
conda activate tf

تأكد من تنشيطه لبقية التثبيت.

5. إعداد GPU

يمكنك تخطي هذا القسم إذا كنت تقوم بتشغيل TensorFlow على وحدة المعالجة المركزية فقط.

قم أولاً بتثبيت برنامج تشغيل NVIDIA GPU إذا لم تقم بذلك.

ثم قم بتثبيت CUDA، cuDNN مع conda.

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

6. قم بتثبيت TensorFlow

يتطلب TensorFlow إصدارًا حديثًا من النقطة، لذا قم بترقية تثبيت النقطة لديك للتأكد من أنك تقوم بتشغيل أحدث إصدار.

pip install --upgrade pip

ثم قم بتثبيت TensorFlow باستخدام النقطة.

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

7. تحقق من التثبيت

التحقق من إعداد وحدة المعالجة المركزية:

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

إذا تم إرجاع الموتر، فهذا يعني أنك قمت بتثبيت TensorFlow بنجاح.

التحقق من إعداد GPU:

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

إذا تم إرجاع قائمة بأجهزة GPU، فهذا يعني أنك قمت بتثبيت TensorFlow بنجاح.

ويندوز WSL2

1. متطلبات النظام

• نظام التشغيل Windows 10 19044 أو أعلى (64 بت). يتوافق هذا مع إصدار Windows 10 21H2، تحديث نوفمبر 2021.

راجع المستندات التالية من أجل:

• تنزيل آخر تحديث لنظام التشغيل Windows 10 .
• قم بتثبيت WSL2
• قم بإعداد دعم NVIDIA® GPU في WSL2

2. إعداد GPU

يمكنك تخطي هذا القسم إذا قمت بتشغيل TensorFlow على وحدة المعالجة المركزية فقط.

قم بتثبيت برنامج تشغيل NVIDIA GPU إذا لم تقم بذلك. يمكنك استخدام الأمر التالي للتحقق من تثبيته.

nvidia-smi

3. قم بتثبيت TensorFlow

يتطلب TensorFlow إصدارًا حديثًا من النقطة، لذا قم بترقية تثبيت النقطة لديك للتأكد من أنك تقوم بتشغيل أحدث إصدار.

pip install --upgrade pip

ثم قم بتثبيت TensorFlow باستخدام النقطة.

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

4. تحقق من التثبيت

التحقق من إعداد وحدة المعالجة المركزية:

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

إذا تم إرجاع الموتر، فهذا يعني أنك قمت بتثبيت TensorFlow بنجاح.

التحقق من إعداد GPU:

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

إذا تم إرجاع قائمة بأجهزة GPU، فهذا يعني أنك قمت بتثبيت TensorFlow بنجاح.