Instale o TensorFlow com pip

Este guia é para a versão estável mais recente do TensorFlow. Para a versão prévia (nightly) , use o pacote pip chamado tf-nightly . Consulte estas tabelas para ver os requisitos de versões mais antigas do TensorFlow. Para a compilação somente CPU, use o pacote pip denominado tensorflow-cpu .

Aqui estão as versões rápidas dos comandos de instalação. Role para baixo para obter instruções passo a passo.

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])))"

Nativo do Windows

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'))"

Janelas 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])))"

Todas as noites

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

Requisitos de hardware

Os seguintes dispositivos habilitados para GPU são suportados:

  • Placa GPU NVIDIA® com arquiteturas CUDA® 3.5, 5.0, 6.0, 7.0, 7.5, 8.0 e superior. Veja a lista de placas GPU habilitadas para CUDA® .
  • Para GPUs com arquiteturas CUDA® não suportadas, ou para evitar a compilação JIT do PTX, ou para usar versões diferentes das bibliotecas NVIDIA®, consulte o guia Linux build from source .
  • Os pacotes não contêm código PTX, exceto para a arquitetura CUDA® suportada mais recente; portanto, o TensorFlow falha ao carregar em GPUs mais antigas quando CUDA_FORCE_PTX_JIT=1 está definido. (Consulte Compatibilidade de aplicativos para obter detalhes.)

Requisitos do sistema

  • Ubuntu 16.04 ou superior (64 bits)
  • macOS 10.12.6 (Sierra) ou superior (64 bits) (sem suporte de GPU)
  • Windows Native - Windows 7 ou superior (64 bits) (sem suporte de GPU após TF 2.10)
  • Windows WSL2 - Windows 10 19044 ou superior (64 bits)

Requisitos de software

Os seguintes softwares NVIDIA® são necessários apenas para suporte de GPU.

Instruções passo a passo

Linux

1. Requisitos do sistema

  • Ubuntu 16.04 ou superior (64 bits)

O TensorFlow oferece suporte oficial apenas ao Ubuntu. No entanto, as instruções a seguir também podem funcionar para outras distribuições Linux.

2. Configuração da GPU

Você pode pular esta seção se executar o TensorFlow apenas na CPU.

Instale o driver da GPU NVIDIA, caso ainda não o tenha feito. Você pode usar o seguinte comando para verificar se ele está instalado.

nvidia-smi

3. Crie um ambiente virtual com venv

O módulo venv faz parte da biblioteca padrão do Python e é a forma oficialmente recomendada para criar ambientes virtuais.

Navegue até o diretório de ambientes virtuais desejado e crie um novo ambiente venv denominado tf com o seguinte comando.

python3 -m venv tf 

Você pode ativá-lo com o seguinte comando.

source tf/bin/activate    

Certifique-se de que o ambiente virtual esteja ativado para o restante da instalação.

4. Instale o TensorFlow

O TensorFlow requer uma versão recente do pip, portanto, atualize a instalação do pip para ter certeza de que está executando a versão mais recente.

pip install --upgrade pip

Em seguida, instale o TensorFlow com pip.

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

6. Verifique a instalação

Verifique a configuração da CPU:

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

Se um tensor for retornado, você instalou o TensorFlow com sucesso.

Verifique a configuração da GPU:

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

Se uma lista de dispositivos GPU for retornada, você instalou o TensorFlow com êxito. Caso contrário, continue para a próxima etapa .

6. [Somente GPU] Configuração do ambiente virtual

Se o teste de GPU na última seção não tiver êxito, a causa mais provável é que os componentes não estão sendo detectados e/ou entram em conflito com a instalação CUDA do sistema existente. Então você precisa adicionar alguns links simbólicos para corrigir isso.

  • Crie links simbólicos para bibliotecas compartilhadas da NVIDIA:
pushd $(dirname $(python -c 'print(__import__("tensorflow").__file__)'))
ln -svf ../nvidia/*/lib/*.so* .
popd
  • Crie um link simbólico para 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

Verifique a configuração da GPU:

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

Mac OS

1. Requisitos do sistema

  • macOS 10.12.6 (Sierra) ou superior (64 bits)

Atualmente não há suporte oficial de GPU para executar o TensorFlow no MacOS. As instruções a seguir são para execução na CPU.

2. Verifique a versão do Python

Verifique se o seu ambiente Python já está configurado:

python3 --version
python3 -m pip --version

3. Instale o TensorFlow

O TensorFlow requer uma versão recente do pip, portanto, atualize a instalação do pip para ter certeza de que está executando a versão mais recente.

pip install --upgrade pip

Em seguida, instale o TensorFlow com pip.

pip install tensorflow

4. Verifique a instalação

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

Se um tensor for retornado, você instalou o TensorFlow com sucesso.

Nativo do Windows

1. Requisitos do sistema

  • Windows 7 ou superior (64 bits)

2. Instale o Microsoft Visual C++ Redistribuível

Instale o Microsoft Visual C++ Redistributable para Visual Studio 2015, 2017 e 2019 . A partir da versão TensorFlow 2.1.0, o arquivo msvcp140_1.dll é necessário neste pacote (que pode não ser fornecido em pacotes redistribuíveis mais antigos). O redistribuível vem com o Visual Studio 2019, mas pode ser instalado separadamente:

  1. Vá para downloads do Microsoft Visual C++ .
  2. Role a página para baixo até a seção Visual Studio 2015, 2017 e 2019 .
  3. Baixe e instale o Microsoft Visual C++ Redistributable para Visual Studio 2015, 2017 e 2019 para sua plataforma.

Certifique-se de que caminhos longos estejam habilitados no Windows.

3. Instale o Miniconda

Miniconda é a abordagem recomendada para instalar o TensorFlow com suporte a GPU. Ele cria um ambiente separado para evitar a alteração de qualquer software instalado em seu sistema. Esta também é a maneira mais fácil de instalar o software necessário, especialmente para a configuração da GPU.

Baixe o instalador do Windows Miniconda . Clique duas vezes no arquivo baixado e siga as instruções na tela.

4. Crie um ambiente conda

Crie um novo ambiente conda denominado tf com o seguinte comando.

conda create --name tf python=3.9

Você pode desativá-lo e ativá-lo com os seguintes comandos.

conda deactivate
conda activate tf

Certifique-se de que esteja ativado para o restante da instalação.

5. Configuração da GPU

Você pode pular esta seção se executar o TensorFlow apenas na CPU.

Primeiro instale o driver da GPU NVIDIA, caso ainda não o tenha feito.

Em seguida, instale o CUDA, cuDNN com conda.

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

6. Instale o TensorFlow

O TensorFlow requer uma versão recente do pip, portanto, atualize a instalação do pip para ter certeza de que está executando a versão mais recente.

pip install --upgrade pip

Em seguida, instale o TensorFlow com pip.

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

7. Verifique a instalação

Verifique a configuração da CPU:

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

Se um tensor for retornado, você instalou o TensorFlow com sucesso.

Verifique a configuração da GPU:

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

Se uma lista de dispositivos GPU for retornada, você instalou o TensorFlow com êxito.

Janelas WSL2

1. Requisitos do sistema

  • Windows 10 19044 ou superior (64 bits). Isso corresponde ao Windows 10 versão 21H2, atualização de novembro de 2021.

Consulte os seguintes documentos para:

2. Configuração da GPU

Você pode pular esta seção se executar o TensorFlow apenas na CPU.

Instale o driver da GPU NVIDIA, caso ainda não o tenha feito. Você pode usar o seguinte comando para verificar se ele está instalado.

nvidia-smi

3. Instale o TensorFlow

O TensorFlow requer uma versão recente do pip, portanto, atualize a instalação do pip para ter certeza de que está executando a versão mais recente.

pip install --upgrade pip

Em seguida, instale o TensorFlow com pip.

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

4. Verifique a instalação

Verifique a configuração da CPU:

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

Se um tensor for retornado, você instalou o TensorFlow com sucesso.

Verifique a configuração da GPU:

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

Se uma lista de dispositivos GPU for retornada, você instalou o TensorFlow com êxito.

Localização do pacote

Alguns mecanismos de instalação exigem o URL do pacote TensorFlow Python. O valor que você especifica depende da sua versão do Python.

Versão URL
Linux x86
Suporte para 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
Somente CPU Python 3.9 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
Suporte para 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 somente CPU 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
Suporte para 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
Somente CPU Python 3.11 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
Suporte para 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
Somente CPU Python 3.12 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 (somente CPU)
Pitão 3.9 https://storage.googleapis.com/tensorflow/versions/2.17.0/tensorflow-2.17.0-cp39-cp39-manylinux_2_17_aarch64.manylinux2014_aarch64.whl
Pitão 3.10 https://storage.googleapis.com/tensorflow/versions/2.17.0/tensorflow-2.17.0-cp310-cp310-manylinux_2_17_aarch64.manylinux2014_aarch64.whl
Pitão 3.11 https://storage.googleapis.com/tensorflow/versions/2.17.0/tensorflow-2.17.0-cp311-cp311-manylinux_2_17_aarch64.manylinux2014_aarch64.whl
Pitão 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 (somente CPU)
Cuidado : o TensorFlow 2.16 foi a última versão do TensorFlow compatível com macOS x86
Pitão 3.9 https://storage.googleapis.com/tensorflow/versions/2.16.2/tensorflow-2.16.2-cp39-cp39-macosx_10_15_x86_64.whl
Pitão 3.10 https://storage.googleapis.com/tensorflow/versions/2.16.2/tensorflow-2.16.2-cp310-cp310-macosx_10_15_x86_64.whl
Pitão 3.11 https://storage.googleapis.com/tensorflow/versions/2.16.2/tensorflow-2.16.2-cp311-cp311-macosx_10_15_x86_64.whl
Pitão 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 (somente CPU)
Pitão 3.9 https://storage.googleapis.com/tensorflow/versions/2.17.0/tensorflow-2.17.0-cp39-cp39-macosx_12_0_arm64.whl
Pitão 3.10 https://storage.googleapis.com/tensorflow/versions/2.17.0/tensorflow-2.17.0-cp310-cp310-macosx_12_0_arm64.whl
Pitão 3.11 https://storage.googleapis.com/tensorflow/versions/2.17.0/tensorflow-2.17.0-cp311-cp311-macosx_12_0_arm64.whl
Pitão 3.12 https://storage.googleapis.com/tensorflow/versions/2.17.0/tensorflow-2.17.0-cp312-cp312-macosx_12_0_arm64.whl
Windows (somente CPU)
Pitão 3.9 https://storage.googleapis.com/tensorflow/versions/2.17.0/tensorflow-2.17.0-cp39-cp39-win_amd64.whl
Pitão 3.10 https://storage.googleapis.com/tensorflow/versions/2.17.0/tensorflow-2.17.0-cp310-cp310-win_amd64.whl
Pitão 3.11 https://storage.googleapis.com/tensorflow/versions/2.17.0/tensorflow-2.17.0-cp311-cp311-win_amd64.whl
Pitão 3.12 https://storage.googleapis.com/tensorflow/versions/2.17.0/tensorflow-2.17.0-cp312-cp312-win_amd64.whl
,

Este guia é para a versão estável mais recente do TensorFlow. Para a versão prévia (nightly) , use o pacote pip chamado tf-nightly . Consulte estas tabelas para ver os requisitos de versões mais antigas do TensorFlow. Para a compilação somente CPU, use o pacote pip denominado tensorflow-cpu .

Aqui estão as versões rápidas dos comandos de instalação. Role para baixo para obter instruções passo a passo.

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])))"

Nativo do Windows

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'))"

Janelas 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])))"

Todas as noites

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

Requisitos de hardware

Os seguintes dispositivos habilitados para GPU são suportados:

  • Placa GPU NVIDIA® com arquiteturas CUDA® 3.5, 5.0, 6.0, 7.0, 7.5, 8.0 e superior. Veja a lista de placas GPU habilitadas para CUDA® .
  • Para GPUs com arquiteturas CUDA® não suportadas, ou para evitar a compilação JIT do PTX, ou para usar versões diferentes das bibliotecas NVIDIA®, consulte o guia Linux build from source .
  • Os pacotes não contêm código PTX, exceto para a arquitetura CUDA® suportada mais recente; portanto, o TensorFlow falha ao carregar em GPUs mais antigas quando CUDA_FORCE_PTX_JIT=1 está definido. (Consulte Compatibilidade de aplicativos para obter detalhes.)

Requisitos do sistema

  • Ubuntu 16.04 ou superior (64 bits)
  • macOS 10.12.6 (Sierra) ou superior (64 bits) (sem suporte para GPU)
  • Windows Native - Windows 7 ou superior (64 bits) (sem suporte de GPU após TF 2.10)
  • Windows WSL2 - Windows 10 19044 ou superior (64 bits)

Requisitos de software

Os seguintes softwares NVIDIA® são necessários apenas para suporte de GPU.

Instruções passo a passo

Linux

1. Requisitos do sistema

  • Ubuntu 16.04 ou superior (64 bits)

O TensorFlow oferece suporte oficial apenas ao Ubuntu. No entanto, as instruções a seguir também podem funcionar para outras distribuições Linux.

2. Configuração da GPU

Você pode pular esta seção se executar o TensorFlow apenas na CPU.

Instale o driver da GPU NVIDIA, caso ainda não o tenha feito. Você pode usar o seguinte comando para verificar se ele está instalado.

nvidia-smi

3. Crie um ambiente virtual com venv

O módulo venv faz parte da biblioteca padrão do Python e é a forma oficialmente recomendada para criar ambientes virtuais.

Navegue até o diretório de ambientes virtuais desejado e crie um novo ambiente venv denominado tf com o seguinte comando.

python3 -m venv tf 

Você pode ativá-lo com o seguinte comando.

source tf/bin/activate    

Certifique-se de que o ambiente virtual esteja ativado para o restante da instalação.

4. Instale o TensorFlow

O TensorFlow requer uma versão recente do pip, portanto, atualize a instalação do pip para ter certeza de que está executando a versão mais recente.

pip install --upgrade pip

Em seguida, instale o TensorFlow com pip.

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

6. Verifique a instalação

Verifique a configuração da CPU:

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

Se um tensor for retornado, você instalou o TensorFlow com sucesso.

Verifique a configuração da GPU:

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

Se uma lista de dispositivos GPU for retornada, você instalou o TensorFlow com êxito. Caso contrário, continue para a próxima etapa .

6. [Somente GPU] Configuração do ambiente virtual

Se o teste de GPU na última seção não tiver êxito, a causa mais provável é que os componentes não estão sendo detectados e/ou entram em conflito com a instalação CUDA do sistema existente. Então você precisa adicionar alguns links simbólicos para corrigir isso.

  • Crie links simbólicos para bibliotecas compartilhadas da NVIDIA:
pushd $(dirname $(python -c 'print(__import__("tensorflow").__file__)'))
ln -svf ../nvidia/*/lib/*.so* .
popd
  • Crie um link simbólico para 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

Verifique a configuração da GPU:

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

Mac OS

1. Requisitos do sistema

  • macOS 10.12.6 (Sierra) ou superior (64 bits)

Atualmente não há suporte oficial de GPU para executar o TensorFlow no MacOS. As instruções a seguir são para execução na CPU.

2. Verifique a versão do Python

Verifique se o seu ambiente Python já está configurado:

python3 --version
python3 -m pip --version

3. Instale o TensorFlow

O TensorFlow requer uma versão recente do pip, portanto, atualize a instalação do pip para ter certeza de que está executando a versão mais recente.

pip install --upgrade pip

Em seguida, instale o TensorFlow com pip.

pip install tensorflow

4. Verifique a instalação

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

Se um tensor for retornado, você instalou o TensorFlow com sucesso.

Nativo do Windows

1. Requisitos do sistema

  • Windows 7 ou superior (64 bits)

2. Instale o Microsoft Visual C++ Redistribuível

Instale o Microsoft Visual C++ Redistributable para Visual Studio 2015, 2017 e 2019 . A partir da versão TensorFlow 2.1.0, o arquivo msvcp140_1.dll é necessário neste pacote (que pode não ser fornecido em pacotes redistribuíveis mais antigos). O redistribuível vem com o Visual Studio 2019, mas pode ser instalado separadamente:

  1. Vá para downloads do Microsoft Visual C++ .
  2. Role a página para baixo até a seção Visual Studio 2015, 2017 e 2019 .
  3. Baixe e instale o Microsoft Visual C++ Redistributable para Visual Studio 2015, 2017 e 2019 para sua plataforma.

Certifique-se de que caminhos longos estejam habilitados no Windows.

3. Instale o Miniconda

Miniconda é a abordagem recomendada para instalar o TensorFlow com suporte a GPU. Ele cria um ambiente separado para evitar a alteração de qualquer software instalado em seu sistema. Esta também é a maneira mais fácil de instalar o software necessário, especialmente para a configuração da GPU.

Baixe o instalador do Windows Miniconda . Clique duas vezes no arquivo baixado e siga as instruções na tela.

4. Crie um ambiente conda

Crie um novo ambiente conda denominado tf com o seguinte comando.

conda create --name tf python=3.9

Você pode desativá-lo e ativá-lo com os seguintes comandos.

conda deactivate
conda activate tf

Certifique-se de que esteja ativado para o restante da instalação.

5. Configuração da GPU

Você pode pular esta seção se executar o TensorFlow apenas na CPU.

Primeiro instale o driver da GPU NVIDIA, caso ainda não o tenha feito.

Em seguida, instale o CUDA, cuDNN com conda.

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

6. Instale o TensorFlow

O TensorFlow requer uma versão recente do pip, portanto, atualize a instalação do pip para ter certeza de que está executando a versão mais recente.

pip install --upgrade pip

Em seguida, instale o TensorFlow com pip.

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

7. Verifique a instalação

Verifique a configuração da CPU:

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

Se um tensor for retornado, você instalou o TensorFlow com sucesso.

Verifique a configuração da GPU:

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

Se uma lista de dispositivos GPU for retornada, você instalou o TensorFlow com êxito.

Janelas WSL2

1. Requisitos do sistema

  • Windows 10 19044 ou superior (64 bits). Isso corresponde ao Windows 10 versão 21H2, atualização de novembro de 2021.

Consulte os seguintes documentos para:

2. Configuração da GPU

Você pode pular esta seção se executar o TensorFlow apenas na CPU.

Instale o driver da GPU NVIDIA, caso ainda não o tenha feito. Você pode usar o seguinte comando para verificar se ele está instalado.

nvidia-smi

3. Instale o TensorFlow

O TensorFlow requer uma versão recente do pip, portanto, atualize a instalação do pip para ter certeza de que está executando a versão mais recente.

pip install --upgrade pip

Em seguida, instale o TensorFlow com pip.

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

4. Verifique a instalação

Verifique a configuração da CPU:

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

Se um tensor for retornado, você instalou o TensorFlow com sucesso.

Verifique a configuração da GPU:

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

Se uma lista de dispositivos GPU for retornada, você instalou o TensorFlow com êxito.

Localização do pacote

Alguns mecanismos de instalação exigem o URL do pacote TensorFlow Python. O valor que você especifica depende da sua versão do Python.

Versão URL
Linux x86
Suporte para 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
Somente CPU Python 3.9 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
Suporte para 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 somente CPU 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
Suporte para 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
Somente CPU Python 3.11 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
Suporte para 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
Somente CPU Python 3.12 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 (somente CPU)
Pitão 3.9 https://storage.googleapis.com/tensorflow/versions/2.17.0/tensorflow-2.17.0-cp39-cp39-manylinux_2_17_aarch64.manylinux2014_aarch64.whl
Pitão 3.10 https://storage.googleapis.com/tensorflow/versions/2.17.0/tensorflow-2.17.0-cp310-cp310-manylinux_2_17_aarch64.manylinux2014_aarch64.whl
Pitão 3.11 https://storage.googleapis.com/tensorflow/versions/2.17.0/tensorflow-2.17.0-cp311-cp311-manylinux_2_17_aarch64.manylinux2014_aarch64.whl
Pitão 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 (somente CPU)
Cuidado : o TensorFlow 2.16 foi a última versão do TensorFlow compatível com macOS x86
Pitão 3.9 https://storage.googleapis.com/tensorflow/versions/2.16.2/tensorflow-2.16.2-cp39-cp39-macosx_10_15_x86_64.whl
Pitão 3.10 https://storage.googleapis.com/tensorflow/versions/2.16.2/tensorflow-2.16.2-cp310-cp310-macosx_10_15_x86_64.whl
Pitão 3.11 https://storage.googleapis.com/tensorflow/versions/2.16.2/tensorflow-2.16.2-cp311-cp311-macosx_10_15_x86_64.whl
Pitão 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 (somente CPU)
Pitão 3.9 https://storage.googleapis.com/tensorflow/versions/2.17.0/tensorflow-2.17.0-cp39-cp39-macosx_12_0_arm64.whl
Pitão 3.10 https://storage.googleapis.com/tensorflow/versions/2.17.0/tensorflow-2.17.0-cp310-cp310-macosx_12_0_arm64.whl
Pitão 3.11 https://storage.googleapis.com/tensorflow/versions/2.17.0/tensorflow-2.17.0-cp311-cp311-macosx_12_0_arm64.whl
Pitão 3.12 https://storage.googleapis.com/tensorflow/versions/2.17.0/tensorflow-2.17.0-cp312-cp312-macosx_12_0_arm64.whl
Windows (somente CPU)
Pitão 3.9 https://storage.googleapis.com/tensorflow/versions/2.17.0/tensorflow-2.17.0-cp39-cp39-win_amd64.whl
Pitão 3.10 https://storage.googleapis.com/tensorflow/versions/2.17.0/tensorflow-2.17.0-cp310-cp310-win_amd64.whl
Pitão 3.11 https://storage.googleapis.com/tensorflow/versions/2.17.0/tensorflow-2.17.0-cp311-cp311-win_amd64.whl
Pitão 3.12 https://storage.googleapis.com/tensorflow/versions/2.17.0/tensorflow-2.17.0-cp312-cp312-win_amd64.whl