Crie um pacote pip do TensorFlow a partir do código-fonte e instale-o no Ubuntu Linux e no macOS. Embora as instruções possam funcionar para outros sistemas, elas são testadas e suportadas apenas para Ubuntu e macOS.
Configuração para Linux e macOS
Instale as seguintes ferramentas de construção para configurar seu ambiente de desenvolvimento.
Instale o Python e as dependências do pacote TensorFlow
Ubuntu
sudo apt install python3-dev python3-pip
macOS
Requer Xcode 9.2 ou posterior.
Instale usando o gerenciador de pacotes Homebrew :
brew install python
Instale as dependências do pacote pip do TensorFlow (se estiver usando um ambiente virtual, omita o argumento --user
):
pip install -U --user pip
Instale o Bazel
Para construir o TensorFlow, você precisará instalar o Bazel. O Bazelisk é uma maneira fácil de instalar o Bazel e baixar automaticamente a versão correta do Bazel para o TensorFlow. Para facilitar o uso, adicione o Bazelisk como o executável bazel
em seu PATH
.
Se o Bazelisk não estiver disponível, você poderá instalar o Bazel manualmente. Certifique-se de instalar a versão correta do Bazel do arquivo .bazelversion do TensorFlow.
Instale o Clang (recomendado, somente Linux)
Clang é um compilador C/C++/Objective-C compilado em C++ baseado em LLVM. É o compilador padrão para construir o TensorFlow começando com o TensorFlow 2.13. A versão atualmente suportada é LLVM/Clang 17.
Os pacotes noturnos LLVM Debian/Ubuntu fornecem um script de instalação automática e pacotes para instalação manual no Linux. Certifique-se de executar o seguinte comando se você adicionar manualmente o repositório llvm apt às fontes do seu pacote:
sudo apt-get update && sudo apt-get install -y llvm-17 clang-17
Agora que /usr/lib/llvm-17/bin/clang
é o caminho real para o clang neste caso.
Alternativamente, você pode baixar e descompactar o Clang + LLVM 17 pré-construído.
Abaixo está um exemplo de etapas que você pode seguir para configurar os binários Clang + LLVM 17 baixados em sistemas operacionais Debian/Ubuntu:
Mude para o diretório de destino desejado:
cd <desired directory>
Carregue e extraia um arquivo compactado... (adequado à sua arquitetura):
wget https://github.com/llvm/llvm-project/releases/download/llvmorg-17.0.2/clang+llvm-17.0.2-x86_64-linux-gnu-ubuntu-22.04.tar.xz
tar -xvf clang+llvm-17.0.2-x86_64-linux-gnu-ubuntu-22.04.tar.xz
Copie o conteúdo extraído (diretórios e arquivos) para
/usr
(você pode precisar de permissões sudo e o diretório correto pode variar de acordo com a distribuição). Isso instala efetivamente o Clang e o LLVM e os adiciona ao caminho. Você não deverá ter que substituir nada, a menos que tenha uma instalação anterior, caso em que deverá substituir os arquivos:cp -r clang+llvm-17.0.2-x86_64-linux-gnu-ubuntu-22.04/* /usr
Verifique a versão dos binários Clang + LLVM 17 obtida:
clang --version
Agora que
/usr/bin/clang
é o caminho real para o seu novo clang. Você pode executar o script./configure
ou definir manualmente as variáveis de ambienteCC
eBAZEL_COMPILER
para esse caminho.
Instale o suporte GPU (opcional, somente Linux)
Não há suporte de GPU para macOS.
Leia o guia de suporte de GPU para instalar os drivers e software adicional necessários para executar o TensorFlow em uma GPU.
Baixe o código-fonte do TensorFlow
Use Git para clonar o repositório TensorFlow :
git clone https://github.com/tensorflow/tensorflow.git
cd tensorflow
O padrão do repositório é o branch de desenvolvimento master
. Você também pode verificar um branch de lançamento para construir:
git checkout branch_name # r2.2, r2.3, etc.
Configurar a compilação
As compilações do TensorFlow são configuradas pelo arquivo .bazelrc
no diretório raiz do repositório. Os scripts ./configure
ou ./configure.py
podem ser usados para ajustar configurações comuns.
Execute o script ./configure
no diretório raiz do repositório. Este script solicitará a localização das dependências do TensorFlow e solicitará opções adicionais de configuração de compilação (sinalizadores do compilador, por exemplo). Consulte a seção Amostra de sessão para obter detalhes.
./configure
Há também uma versão python deste script, ./configure.py
. Se estiver usando um ambiente virtual, python configure.py
prioriza caminhos dentro do ambiente, enquanto ./configure
prioriza caminhos fora do ambiente. Em ambos os casos você pode alterar o padrão.
Sessão de amostra
Veja a seguir um exemplo de execução do script ./configure
(sua sessão pode ser diferente):
Opções de configuração
Suporte para GPU
da v.2.18.0
Para suporte de GPU , defina cuda=Y
durante a configuração e especifique as versões de CUDA e cuDNN, se necessário. O Bazel baixará pacotes CUDA e CUDNN automaticamente ou apontará para redistribuições CUDA/CUDNN/NCCL no sistema de arquivos local, se necessário.
antes da v.2.18.0
Para suporte de GPU , defina cuda=Y
durante a configuração e especifique as versões de CUDA e cuDNN. Se o seu sistema tiver várias versões de CUDA ou cuDNN instaladas, defina explicitamente a versão em vez de confiar no padrão. ./configure
cria links simbólicos para as bibliotecas CUDA do seu sistema – portanto, se você atualizar os caminhos da biblioteca CUDA, esta etapa de configuração deverá ser executada novamente antes da construção.
Otimizações
Para sinalizadores de otimização de compilação, o padrão ( -march=native
) otimiza o código gerado para o tipo de CPU da sua máquina. No entanto, ao criar o TensorFlow para um tipo de CPU diferente, considere um sinalizador de otimização mais específico. Verifique o manual do GCC para exemplos.
Configurações pré-configuradas
Existem algumas configurações de compilação pré-configuradas disponíveis que podem ser adicionadas ao comando bazel build
, por exemplo:
-
--config=dbg
—Construa com informações de depuração. Consulte CONTRIBUTING.md para obter detalhes. -
--config=mkl
—Suporte para Intel® MKL-DNN . -
--config=monolithic
—Configuração para uma construção monolítica e estática.
Construa e instale o pacote pip
Opções de compilação do Bazel
Consulte a referência de linha de comando do Bazel para opções de compilação .
Construir o TensorFlow a partir da fonte pode usar muita RAM. Se o seu sistema tiver restrição de memória, limite o uso de RAM do Bazel com: --local_ram_resources=2048
.
Os pacotes oficiais do TensorFlow são criados com um conjunto de ferramentas Clang que está em conformidade com o padrão de pacote manylinux2014.
Construa o pacote
Para construir o pacote pip, você precisa especificar o sinalizador --repo_env=WHEEL_NAME
. dependendo do nome fornecido, o pacote será criado, por exemplo:
Para construir o pacote de CPU tensorflow:
bazel build //tensorflow/tools/pip_package:wheel --repo_env=WHEEL_NAME=tensorflow_cpu
Para construir o pacote GPU tensorflow:
bazel build //tensorflow/tools/pip_package:wheel --repo_env=WHEEL_NAME=tensorflow --config=cuda
Para construir o pacote tensorflow TPU:
bazel build //tensorflow/tools/pip_package:wheel --repo_env=WHEEL_NAME=tensorflow_tpu --config=tpu
Para construir o pacote noturno, defina tf_nightly
em vez de tensorflow
, por exemplo, para construir o pacote noturno da CPU:
bazel build //tensorflow/tools/pip_package:wheel --repo_env=WHEEL_NAME=tf_nightly_cpu
Como resultado, a roda gerada estará localizada em
bazel-bin/tensorflow/tools/pip_package/wheel_house/
Instale o pacote
O nome do arquivo .whl
gerado depende da versão do TensorFlow e da sua plataforma. Use pip install
para instalar o pacote, por exemplo:
pip install bazel-bin/tensorflow/tools/pip_package/wheel_house/tensorflow-version-tags.whl
Compilações do Docker Linux
As imagens de desenvolvimento do Docker do TensorFlow são uma maneira fácil de configurar um ambiente para criar pacotes Linux a partir do código-fonte. Essas imagens já contêm o código-fonte e as dependências necessárias para criar o TensorFlow. Acesse o guia do Docker do TensorFlow para obter instruções de instalação e a lista de tags de imagem disponíveis .
Somente CPU
O exemplo a seguir usa a imagem :devel
para criar um pacote somente CPU a partir do código-fonte mais recente do TensorFlow. Verifique o guia do Docker para tags TensorFlow -devel
disponíveis.
Baixe a imagem de desenvolvimento mais recente e inicie um contêiner Docker que você usará para criar o pacote pip :
docker pull tensorflow/tensorflow:devel
docker run -it -w /tensorflow_src -v $PWD:/mnt -e HOST_PERMS="$(id -u):$(id -g)" \ tensorflow/tensorflow:devel bash
git pull # within the container, download the latest source code
O comando docker run
acima inicia um shell no diretório /tensorflow_src
– a raiz da árvore de origem. Ele monta o diretório atual do host no diretório /mnt
do contêiner e passa as informações do usuário do host para o contêiner por meio de uma variável ambiental (usada para definir permissões – o Docker pode tornar isso complicado).
Como alternativa, para criar uma cópia do host do TensorFlow em um contêiner, monte a árvore de origem do host no diretório /tensorflow
do contêiner:
docker run -it -w /tensorflow -v /path/to/tensorflow:/tensorflow -v $PWD:/mnt \ -e HOST_PERMS="\\((id -u):\\)(id -g)" tensorflow/tensorflow:devel bash
Com a árvore de origem configurada, crie o pacote TensorFlow no ambiente virtual do contêiner:
- Opcional: Configure a compilação — isso solicita que o usuário responda às perguntas de configuração da compilação.
- Construa o pacote pip .
- Ajuste as permissões de propriedade do arquivo fora do contêiner.
./configure # if necessary
bazel build //tensorflow/tools/pip_package:wheel --repo_env=WHEEL_NAME=tensorflow_cpu --config=opt
`chown $HOST_PERMS bazel-bin/tensorflow/tools/pip_package/wheel_house/tensorflow-version-tags.whl
Instale e verifique o pacote dentro do contêiner:
pip uninstall tensorflow # remove current version
pip install bazel-bin/tensorflow/tools/pip_package/wheel_house/tensorflow-version-tags.whl
cd /tmp # don't import from source directory
python -c "import tensorflow as tf; print(tf.__version__)"
Na máquina host, o pacote pip do TensorFlow está no diretório atual (com permissões de usuário host): ./tensorflow- version - tags .whl
Suporte para GPU
Docker é a maneira mais fácil de criar suporte de GPU para TensorFlow, já que a máquina host requer apenas o driver NVIDIA® (o NVIDIA® CUDA® Toolkit não precisa estar instalado). Consulte o guia de suporte de GPU e o guia do TensorFlow Docker para configurar o nvidia-docker (somente Linux).
O exemplo a seguir baixa a imagem TensorFlow :devel-gpu
e usa nvidia-docker
para executar o contêiner habilitado para GPU. Esta imagem de desenvolvimento está configurada para construir um pacote pip com suporte de GPU:
docker pull tensorflow/tensorflow:devel-gpu
docker run --gpus all -it -w /tensorflow -v $PWD:/mnt -e HOST_PERMS="$(id -u):$(id -g)" \ tensorflow/tensorflow:devel-gpu bash
git pull # within the container, download the latest source code
Em seguida, dentro do ambiente virtual do contêiner, crie o pacote TensorFlow com suporte para GPU:
./configure # if necessary
bazel build //tensorflow/tools/pip_package:wheel --repo_env=WHEEL_NAME=tensorflow --config=cuda --config=opt
chown $HOST_PERMS bazel-bin/tensorflow/tools/pip_package/wheel_house/tensorflow-version-tags.whl
Instale e verifique o pacote dentro do contêiner e verifique se há uma GPU:
pip uninstall tensorflow # remove current version
pip install bazel-bin/tensorflow/tools/pip_package/wheel_house/tensorflow-version-tags.whl
cd /tmp # don't import from source directory
python -c "import tensorflow as tf; print(\"Num GPUs Available: \", len(tf.config.list_physical_devices('GPU')))"
Configurações de compilação testadas
Linux
CPU
Versão | Versão Python | Compilador | Ferramentas de construção |
---|---|---|---|
tensorflow-2.17.0 | 3.9-3.12 | Clang 17.0.6 | Bazel 6.5.0 |
tensorflow-2.16.1 | 3.9-3.12 | Clang 17.0.6 | Bazel 6.5.0 |
tensorflow-2.15.0 | 3.9-3.11 | Clang 16.0.0 | Bazel 6.1.0 |
tensorflow-2.14.0 | 3.9-3.11 | Clang 16.0.0 | Bazel 6.1.0 |
tensorflow-2.13.0 | 3.8-3.11 | Clang 16.0.0 | Bazel 5.3.0 |
tensorflow-2.12.0 | 3.8-3.11 | CGC 9.3.1 | Bazel 5.3.0 |
tensorflow-2.11.0 | 3,7-3,10 | CGC 9.3.1 | Bazel 5.3.0 |
tensorflow-2.10.0 | 3,7-3,10 | CGC 9.3.1 | Bazel 5.1.1 |
tensorflow-2.9.0 | 3,7-3,10 | CGC 9.3.1 | Bazel 5.0.0 |
tensorflow-2.8.0 | 3,7-3,10 | CGC 7.3.1 | Bazel 4.2.1 |
tensorflow-2.7.0 | 3,7-3,9 | CGC 7.3.1 | Bazel 3.7.2 |
tensorflow-2.6.0 | 3,6-3,9 | CGC 7.3.1 | Bazel 3.7.2 |
tensorflow-2.5.0 | 3,6-3,9 | CGC 7.3.1 | Bazel 3.7.2 |
tensorflow-2.4.0 | 3,6-3,8 | CGC 7.3.1 | Bazel 3.1.0 |
tensorflow-2.3.0 | 3,5-3,8 | CGC 7.3.1 | Bazel 3.1.0 |
tensorflow-2.2.0 | 3,5-3,8 | CGC 7.3.1 | Bazel 2.0.0 |
tensorflow-2.1.0 | 2,7, 3,5-3,7 | CGC 7.3.1 | Bazel 0.27.1 |
tensorflow-2.0.0 | 2,7, 3,3-3,7 | CGC 7.3.1 | Bazel 0.26.1 |
tensorflow-1.15.0 | 2,7, 3,3-3,7 | CGC 7.3.1 | Bazel 0.26.1 |
tensorflow-1.14.0 | 2,7, 3,3-3,7 | CGC 4.8 | Bazel 0.24.1 |
tensorflow-1.13.1 | 2,7, 3,3-3,7 | CGC 4.8 | Bazel 0.19.2 |
tensorflow-1.12.0 | 2,7, 3,3-3,6 | CGC 4.8 | Bazel 0.15.0 |
tensorflow-1.11.0 | 2,7, 3,3-3,6 | CGC 4.8 | Bazel 0.15.0 |
tensorflow-1.10.0 | 2,7, 3,3-3,6 | CGC 4.8 | Bazel 0.15.0 |
tensorflow-1.9.0 | 2,7, 3,3-3,6 | CGC 4.8 | Bazel 0.11.0 |
tensorflow-1.8.0 | 2,7, 3,3-3,6 | CGC 4.8 | Bazel 0.10.0 |
tensorflow-1.7.0 | 2,7, 3,3-3,6 | CGC 4.8 | Bazel 0.10.0 |
tensorflow-1.6.0 | 2,7, 3,3-3,6 | CGC 4.8 | Bazel 0.9.0 |
tensorflow-1.5.0 | 2,7, 3,3-3,6 | CGC 4.8 | Bazel 0.8.0 |
tensorflow-1.4.0 | 2,7, 3,3-3,6 | CGC 4.8 | Bazel 0.5.4 |
tensorflow-1.3.0 | 2,7, 3,3-3,6 | CGC 4.8 | Bazel 0.4.5 |
tensorflow-1.2.0 | 2,7, 3,3-3,6 | CGC 4.8 | Bazel 0.4.5 |
tensorflow-1.1.0 | 2,7, 3,3-3,6 | CGC 4.8 | Bazel 0.4.2 |
tensorflow-1.0.0 | 2,7, 3,3-3,6 | CGC 4.8 | Bazel 0.4.2 |
GPU
Versão | Versão Python | Compilador | Ferramentas de construção | cuDNN | CUDA |
---|---|---|---|---|---|
tensorflow-2.17.0 | 3.9-3.12 | Clang 17.0.6 | Bazel 6.5.0 | 8,9 | 12.3 |
tensorflow-2.16.1 | 3.9-3.12 | Clang 17.0.6 | Bazel 6.5.0 | 8,9 | 12.3 |
tensorflow-2.15.0 | 3.9-3.11 | Clang 16.0.0 | Bazel 6.1.0 | 8,9 | 12.2 |
tensorflow-2.14.0 | 3.9-3.11 | Clang 16.0.0 | Bazel 6.1.0 | 8.7 | 11.8 |
tensorflow-2.13.0 | 3.8-3.11 | Clang 16.0.0 | Bazel 5.3.0 | 8.6 | 11.8 |
tensorflow-2.12.0 | 3.8-3.11 | CGC 9.3.1 | Bazel 5.3.0 | 8.6 | 11.8 |
tensorflow-2.11.0 | 3,7-3,10 | CGC 9.3.1 | Bazel 5.3.0 | 8.1 | 11.2 |
tensorflow-2.10.0 | 3,7-3,10 | CGC 9.3.1 | Bazel 5.1.1 | 8.1 | 11.2 |
tensorflow-2.9.0 | 3,7-3,10 | CGC 9.3.1 | Bazel 5.0.0 | 8.1 | 11.2 |
tensorflow-2.8.0 | 3,7-3,10 | CGC 7.3.1 | Bazel 4.2.1 | 8.1 | 11.2 |
tensorflow-2.7.0 | 3,7-3,9 | CGC 7.3.1 | Bazel 3.7.2 | 8.1 | 11.2 |
tensorflow-2.6.0 | 3,6-3,9 | CGC 7.3.1 | Bazel 3.7.2 | 8.1 | 11.2 |
tensorflow-2.5.0 | 3,6-3,9 | CGC 7.3.1 | Bazel 3.7.2 | 8.1 | 11.2 |
tensorflow-2.4.0 | 3,6-3,8 | CGC 7.3.1 | Bazel 3.1.0 | 8,0 | 11,0 |
tensorflow-2.3.0 | 3,5-3,8 | CGC 7.3.1 | Bazel 3.1.0 | 7.6 | 10.1 |
tensorflow-2.2.0 | 3,5-3,8 | CGC 7.3.1 | Bazel 2.0.0 | 7.6 | 10.1 |
tensorflow-2.1.0 | 2,7, 3,5-3,7 | CGC 7.3.1 | Bazel 0.27.1 | 7.6 | 10.1 |
tensorflow-2.0.0 | 2,7, 3,3-3,7 | CGC 7.3.1 | Bazel 0.26.1 | 7.4 | 10,0 |
tensorflow_gpu-1.15.0 | 2,7, 3,3-3,7 | CGC 7.3.1 | Bazel 0.26.1 | 7.4 | 10,0 |
tensorflow_gpu-1.14.0 | 2,7, 3,3-3,7 | CGC 4.8 | Bazel 0.24.1 | 7.4 | 10,0 |
tensorflow_gpu-1.13.1 | 2,7, 3,3-3,7 | CGC 4.8 | Bazel 0.19.2 | 7.4 | 10,0 |
tensorflow_gpu-1.12.0 | 2,7, 3,3-3,6 | CGC 4.8 | Bazel 0.15.0 | 7 | 9 |
tensorflow_gpu-1.11.0 | 2,7, 3,3-3,6 | CGC 4.8 | Bazel 0.15.0 | 7 | 9 |
tensorflow_gpu-1.10.0 | 2,7, 3,3-3,6 | CGC 4.8 | Bazel 0.15.0 | 7 | 9 |
tensorflow_gpu-1.9.0 | 2,7, 3,3-3,6 | CGC 4.8 | Bazel 0.11.0 | 7 | 9 |
tensorflow_gpu-1.8.0 | 2,7, 3,3-3,6 | CGC 4.8 | Bazel 0.10.0 | 7 | 9 |
tensorflow_gpu-1.7.0 | 2,7, 3,3-3,6 | CGC 4.8 | Bazel 0.9.0 | 7 | 9 |
tensorflow_gpu-1.6.0 | 2,7, 3,3-3,6 | CGC 4.8 | Bazel 0.9.0 | 7 | 9 |
tensorflow_gpu-1.5.0 | 2,7, 3,3-3,6 | CGC 4.8 | Bazel 0.8.0 | 7 | 9 |
tensorflow_gpu-1.4.0 | 2,7, 3,3-3,6 | CGC 4.8 | Bazel 0.5.4 | 6 | 8 |
tensorflow_gpu-1.3.0 | 2,7, 3,3-3,6 | CGC 4.8 | Bazel 0.4.5 | 6 | 8 |
tensorflow_gpu-1.2.0 | 2,7, 3,3-3,6 | CGC 4.8 | Bazel 0.4.5 | 5.1 | 8 |
tensorflow_gpu-1.1.0 | 2,7, 3,3-3,6 | CGC 4.8 | Bazel 0.4.2 | 5.1 | 8 |
tensorflow_gpu-1.0.0 | 2,7, 3,3-3,6 | CGC 4.8 | Bazel 0.4.2 | 5.1 | 8 |
macOS
CPU
Versão | Versão Python | Compilador | Ferramentas de construção |
---|---|---|---|
tensorflow-2.16.1 | 3.9-3.12 | Clang do Xcode 13.6 | Bazel 6.5.0 |
tensorflow-2.15.0 | 3.9-3.11 | Clang do xcode 10.15 | Bazel 6.1.0 |
tensorflow-2.14.0 | 3.9-3.11 | Clang do xcode 10.15 | Bazel 6.1.0 |
tensorflow-2.13.0 | 3.8-3.11 | Clang do xcode 10.15 | Bazel 5.3.0 |
tensorflow-2.12.0 | 3.8-3.11 | Clang do xcode 10.15 | Bazel 5.3.0 |
tensorflow-2.11.0 | 3,7-3,10 | Clang do xcode 10.14 | Bazel 5.3.0 |
tensorflow-2.10.0 | 3,7-3,10 | Clang do xcode 10.14 | Bazel 5.1.1 |
tensorflow-2.9.0 | 3,7-3,10 | Clang do xcode 10.14 | Bazel 5.0.0 |
tensorflow-2.8.0 | 3,7-3,10 | Clang do xcode 10.14 | Bazel 4.2.1 |
tensorflow-2.7.0 | 3,7-3,9 | Clang do xcode 10.11 | Bazel 3.7.2 |
tensorflow-2.6.0 | 3,6-3,9 | Clang do xcode 10.11 | Bazel 3.7.2 |
tensorflow-2.5.0 | 3,6-3,9 | Clang do xcode 10.11 | Bazel 3.7.2 |
tensorflow-2.4.0 | 3,6-3,8 | Clang do xcode 10.3 | Bazel 3.1.0 |
tensorflow-2.3.0 | 3,5-3,8 | Clang do xcode 10.1 | Bazel 3.1.0 |
tensorflow-2.2.0 | 3,5-3,8 | Clang do xcode 10.1 | Bazel 2.0.0 |
tensorflow-2.1.0 | 2,7, 3,5-3,7 | Clang do xcode 10.1 | Bazel 0.27.1 |
tensorflow-2.0.0 | 2,7, 3,5-3,7 | Clang do xcode 10.1 | Bazel 0.27.1 |
tensorflow-2.0.0 | 2,7, 3,3-3,7 | Clang do xcode 10.1 | Bazel 0.26.1 |
tensorflow-1.15.0 | 2,7, 3,3-3,7 | Clang do xcode 10.1 | Bazel 0.26.1 |
tensorflow-1.14.0 | 2,7, 3,3-3,7 | Clang do xcode | Bazel 0.24.1 |
tensorflow-1.13.1 | 2,7, 3,3-3,7 | Clang do xcode | Bazel 0.19.2 |
tensorflow-1.12.0 | 2,7, 3,3-3,6 | Clang do xcode | Bazel 0.15.0 |
tensorflow-1.11.0 | 2,7, 3,3-3,6 | Clang do xcode | Bazel 0.15.0 |
tensorflow-1.10.0 | 2,7, 3,3-3,6 | Clang do xcode | Bazel 0.15.0 |
tensorflow-1.9.0 | 2,7, 3,3-3,6 | Clang do xcode | Bazel 0.11.0 |
tensorflow-1.8.0 | 2,7, 3,3-3,6 | Clang do xcode | Bazel 0.10.1 |
tensorflow-1.7.0 | 2,7, 3,3-3,6 | Clang do xcode | Bazel 0.10.1 |
tensorflow-1.6.0 | 2,7, 3,3-3,6 | Clang do xcode | Bazel 0.8.1 |
tensorflow-1.5.0 | 2,7, 3,3-3,6 | Clang do xcode | Bazel 0.8.1 |
tensorflow-1.4.0 | 2,7, 3,3-3,6 | Clang do xcode | Bazel 0.5.4 |
tensorflow-1.3.0 | 2,7, 3,3-3,6 | Clang do xcode | Bazel 0.4.5 |
tensorflow-1.2.0 | 2,7, 3,3-3,6 | Clang do xcode | Bazel 0.4.5 |
tensorflow-1.1.0 | 2,7, 3,3-3,6 | Clang do xcode | Bazel 0.4.2 |
tensorflow-1.0.0 | 2,7, 3,3-3,6 | Clang do xcode | Bazel 0.4.2 |
GPU
Versão | Versão Python | Compilador | Ferramentas de construção | cuDNN | CUDA |
---|---|---|---|---|---|
tensorflow_gpu-1.1.0 | 2,7, 3,3-3,6 | Clang do xcode | Bazel 0.4.2 | 5.1 | 8 |
tensorflow_gpu-1.0.0 | 2,7, 3,3-3,6 | Clang do xcode | Bazel 0.4.2 | 5.1 | 8 |