pip로 TensorFlow 설치

리눅스

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

맥OS

# 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])))"

윈도우 네이티브

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'))"

윈도우 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])))"

야간

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

리눅스

1. 시스템 요구사항

• Ubuntu 16.04 이상(64비트)

TensorFlow는 공식적으로 Ubuntu만 지원합니다. 그러나 다음 지침은 다른 Linux 배포판에서도 작동할 수 있습니다.

2. GPU 설정

CPU에서만 TensorFlow를 실행하는 경우 이 섹션을 건너뛸 수 있습니다.

NVIDIA GPU 드라이버가 없으면 설치하세요. 다음 명령을 사용하여 설치되었는지 확인할 수 있습니다.

nvidia-smi

3. venv 로 가상 환경 만들기

venv 모듈은 Python 표준 라이브러리의 일부이며 가상 환경을 만드는 데 공식적으로 권장되는 방법입니다.

원하는 가상 환경 디렉터리로 이동하고 다음 명령을 사용하여 tf 라는 새 venv 환경을 만듭니다.

python3 -m venv tf 

다음 명령으로 활성화할 수 있습니다.

source tf/bin/activate    

나머지 설치 과정에서 가상 환경이 활성화되어 있는지 확인하십시오.

4. 텐서플로우 설치

TensorFlow에는 최신 버전의 pip가 필요하므로 최신 버전을 실행하려면 pip 설치를 업그레이드하세요.

pip install --upgrade pip

그런 다음 pip를 사용하여 TensorFlow를 설치합니다.

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

6. 설치 확인

CPU 설정을 확인합니다.

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

텐서가 반환되면 TensorFlow가 성공적으로 설치된 것입니다.

GPU 설정을 확인합니다.

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

GPU 장치 목록이 반환되면 TensorFlow가 성공적으로 설치된 것입니다. 그렇지 않은 경우 다음 단계로 진행하세요 .

6. [GPU 전용] 가상 환경 구성

마지막 섹션의 GPU 테스트가 실패한 경우 가장 가능성이 높은 원인은 구성 요소가 감지되지 않거나 기존 시스템 CUDA 설치와 충돌하는 것입니다. 따라서 이 문제를 해결하려면 일부 심볼릭 링크를 추가해야 합니다.

• NVIDIA 공유 라이브러리에 대한 심볼릭 링크를 생성합니다:

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

• ptxas에 대한 심볼릭 링크를 만듭니다.

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

GPU 설정을 확인합니다.

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

맥OS

1. 시스템 요구사항

• macOS 10.12.6(Sierra) 이상(64비트)

현재 MacOS에서 TensorFlow를 실행하기 위한 공식 GPU 지원은 없습니다. 다음 지침은 CPU에서 실행하기 위한 것입니다.

2. Python 버전 확인

Python 환경이 이미 구성되어 있는지 확인하세요.

python3 --version
python3 -m pip --version

3. 텐서플로우 설치

TensorFlow에는 최신 버전의 pip가 필요하므로 최신 버전을 실행하려면 pip 설치를 업그레이드하세요.

pip install --upgrade pip

그런 다음 pip를 사용하여 TensorFlow를 설치합니다.

pip install tensorflow

4. 설치 확인

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

텐서가 반환되면 TensorFlow가 성공적으로 설치된 것입니다.

윈도우 네이티브

1. 시스템 요구사항

• Windows 7 이상(64비트)

2. Microsoft Visual C++ 재배포 가능 패키지 설치

Visual Studio 2015, 2017 및 2019용 Microsoft Visual C++ 재배포 가능 패키지를 설치합니다. TensorFlow 2.1.0 버전부터 이 패키지에는 msvcp140_1.dll 파일이 필요합니다(이전 재배포 가능 패키지에서는 제공되지 않을 수 있음). 재배포 가능 패키지는 Visual Studio 2019 와 함께 제공되지만 별도로 설치할 수 있습니다.

1. Microsoft Visual C++ 다운로드 로 이동합니다.
2. 페이지를 아래로 스크롤하여 Visual Studio 2015, 2017 및 2019 섹션으로 이동합니다.
3. 해당 플랫폼에 맞는 Visual Studio 2015, 2017 및 2019용 Microsoft Visual C++ 재배포 가능 패키지를 다운로드하여 설치하세요.

Windows에서 긴 경로가 활성화되어 있는지 확인하십시오.

3. 미니콘다 설치

Miniconda 는 GPU를 지원하는 TensorFlow를 설치하는 데 권장되는 접근 방식입니다. 시스템에 설치된 소프트웨어가 변경되지 않도록 별도의 환경을 생성합니다. 이는 특히 GPU 설정에 필요한 소프트웨어를 설치하는 가장 쉬운 방법이기도 합니다.

Miniconda Windows 설치 프로그램을 다운로드합니다. 다운로드한 파일을 두 번 클릭하고 화면의 지시를 따릅니다.

4. 콘다 환경 만들기

다음 명령을 사용하여 tf 라는 새 conda 환경을 만듭니다.

conda create --name tf python=3.9

다음 명령을 사용하여 비활성화하고 활성화할 수 있습니다.

conda deactivate
conda activate tf

나머지 설치 과정에서 활성화되어 있는지 확인하십시오.

5. GPU 설정

TensorFlow를 CPU에서만 실행하는 경우 이 섹션을 건너뛸 수 있습니다.

NVIDIA GPU 드라이버가 없으면 먼저 설치하십시오.

그런 다음 conda와 함께 CUDA, cuDNN을 설치하십시오.

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

6. 텐서플로우 설치

TensorFlow에는 최신 버전의 pip가 필요하므로 최신 버전을 실행하려면 pip 설치를 업그레이드하세요.

pip install --upgrade pip

그런 다음 pip를 사용하여 TensorFlow를 설치합니다.

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

7. 설치 확인

CPU 설정을 확인합니다.

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

텐서가 반환되면 TensorFlow가 성공적으로 설치된 것입니다.

GPU 설정을 확인합니다.

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

GPU 장치 목록이 반환되면 TensorFlow가 성공적으로 설치된 것입니다.

윈도우 WSL2

1. 시스템 요구사항

• Windows 10 19044 이상(64비트). 이는 Windows 10 버전 21H2, 2021년 11월 업데이트에 해당합니다.

다음 문서를 참조하세요.

• 최신 Windows 10 업데이트를 다운로드하세요 .
• WSL2 설치
• WSL2에서 NVIDIA® GPU 지원 설정

2. GPU 설정

CPU에서만 TensorFlow를 실행하는 경우 이 섹션을 건너뛸 수 있습니다.

NVIDIA GPU 드라이버가 없으면 설치하세요. 다음 명령을 사용하여 설치되었는지 확인할 수 있습니다.

nvidia-smi

3. 텐서플로우 설치

TensorFlow에는 최신 버전의 pip가 필요하므로 최신 버전을 실행하려면 pip 설치를 업그레이드하세요.

pip install --upgrade pip

그런 다음 pip를 사용하여 TensorFlow를 설치합니다.

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

4. 설치 확인

CPU 설정을 확인합니다.

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

텐서가 반환되면 TensorFlow가 성공적으로 설치된 것입니다.

GPU 설정을 확인합니다.

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

GPU 장치 목록이 반환되면 TensorFlow가 성공적으로 설치된 것입니다.