هذا الدليل مخصص لأحدث إصدار مستقر من TensorFlow. للإصدار التجريبي (ليليًا) ، استخدم حزمة pip المسماة tf-nightly . راجع هذه الجداول لمعرفة متطلبات إصدار TensorFlow الأقدم. للإصدار المخصص لوحدة المعالجة المركزية فقط، استخدم حزمة pip المسماة tensorflow-cpu .
إليك الإصدارات السريعة لأوامر التثبيت. مرر للأسفل للاطلاع على التعليمات خطوة بخطوة.
python3 -m pip install 'tensorflow[and-cuda]'
# Verify the installation:
python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"
# 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])))"
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'))"
python3 -m pip install tensorflow[and-cuda]
# Verify the installation:
python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"
python3 -m pip install tensorflow
# Verify the installation:
python3 -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"
python3 -m pip install tf-nightly
# Verify the installation:
python3 -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"
الأجهزة التي تدعم وحدة معالجة الرسوميات (GPU) التالية مدعومة:
- بطاقة معالجة رسومات NVIDIA® ببنية CUDA® 3.5، 5.0، 6.0، 7.0، 7.5، 8.0 وما فوق. راجع قائمة بطاقات معالجة الرسومات المتوافقة مع CUDA® .
- بالنسبة لوحدات معالجة الرسومات ذات بنيات CUDA® غير المدعومة، أو لتجنب تجميع JIT من PTX، أو لاستخدام إصدارات مختلفة من مكتبات NVIDIA®، راجع دليل البناء من المصدر لنظام Linux .
- لا تحتوي الحزم على كود PTX باستثناء أحدث بنية CUDA® مدعومة؛ لذلك، يفشل تحميل TensorFlow على وحدات معالجة الرسومات القديمة عند تعيين
CUDA_FORCE_PTX_JIT=1. (راجع توافق التطبيقات لمزيد من التفاصيل.)
- أوبونتو 16.04 أو أعلى (64 بت)
- macOS 12.0 (Monterey) أو أعلى (64 بت) (لا يدعم وحدة معالجة الرسومات)
- Windows Native - Windows 7 أو أعلى (64 بت) (لا يوجد دعم لوحدة معالجة الرسومات بعد TF 2.10)
- Windows WSL2 - Windows 10 19044 أو أعلى (64 بت)
- بايثون 3.9–3.12
- إصدار pip 19.0 أو أعلى لنظام Linux (يتطلب دعم
manylinux2014) ونظام Windows. إصدار pip 20.3 أو أعلى لنظام macOS. - يتطلب Windows Native برنامج Microsoft Visual C++ القابل لإعادة التوزيع لـ Visual Studio 2015 و2017 و2019
البرامج التالية من NVIDIA® مطلوبة فقط لدعم وحدة معالجة الرسومات (GPU).
- برامج تشغيل وحدة معالجة الرسومات NVIDIA®
- >= 525.60.13 لنظام Linux
- >= 528.33 لـ WSL على Windows
- مجموعة أدوات CUDA® 12.3 .
- مجموعة أدوات تطوير البرامج cuDNN 8.9.7 .
- (اختياري) TensorRT لتحسين زمن الوصول والإنتاجية للاستدلال.
- أوبونتو 16.04 أو أعلى (64 بت)
يدعم TensorFlow رسميًا نظام Ubuntu فقط. مع ذلك، قد تعمل التعليمات التالية مع توزيعات Linux أخرى.
يمكنك تخطي هذا القسم إذا قمت بتشغيل TensorFlow على وحدة المعالجة المركزية فقط.
ثبّت برنامج تشغيل وحدة معالجة الرسومات NVIDIA إذا لم يكن مثبتًا لديك. يمكنك استخدام الأمر التالي للتحقق من تثبيته.
nvidia-smi
وحدة venv هي جزء من مكتبة Python القياسية وهي الطريقة الموصى بها رسميًا لإنشاء بيئات افتراضية.
انتقل إلى دليل البيئات الافتراضية المطلوبة وقم بإنشاء بيئة venv جديدة تسمى tf باستخدام الأمر التالي.
python3 -m venv tf
يمكنك تفعيله باستخدام الأمر التالي.
source tf/bin/activate
تأكد من تنشيط البيئة الافتراضية لبقية التثبيت.
يتطلب TensorFlow إصدارًا حديثًا من pip، لذا قم بترقية تثبيت pip الخاص بك للتأكد من تشغيل الإصدار الأحدث.
pip install --upgrade pip
ثم قم بتثبيت TensorFlow باستخدام pip.
# For GPU users
pip install tensorflow[and-cuda]
# For CPU users
pip install tensorflow
التحقق من إعداد وحدة المعالجة المركزية:
python3 -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"
إذا تم إرجاع موتر، فهذا يعني أنك قمت بتثبيت TensorFlow بنجاح.
التحقق من إعداد وحدة معالجة الرسوميات:
python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"
إذا ظهرت قائمة بوحدات معالجة الرسومات، فهذا يعني أن تثبيت TensorFlow قد تم بنجاح. إذا لم يكن كذلك، فانتقل إلى الخطوة التالية .
إذا لم ينجح اختبار وحدة معالجة الرسومات (GPU) في القسم السابق، فالسبب الأرجح هو عدم اكتشاف المكونات، أو تعارضها مع تثبيت CUDA الحالي للنظام. لذا، عليك إضافة بعض الروابط الرمزية لإصلاح هذه المشكلة.
- إنشاء روابط رمزية لمكتبات NVIDIA المشتركة:
pushd $(dirname $(python -c 'print(__import__("tensorflow").__file__)'))
ln -svf ../nvidia/*/lib/*.so* .
popd
- إنشاء 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 وحدة معالجة الرسوميات:
python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"
- macOS 10.12.6 (Sierra) أو أعلى (64 بت)
لا يوجد حاليًا دعم رسمي لوحدة معالجة الرسومات (GPU) لتشغيل TensorFlow على نظام MacOS. التعليمات التالية مخصصة للتشغيل على وحدة المعالجة المركزية (CPU).
تحقق مما إذا كانت بيئة Python الخاصة بك مهيأة بالفعل:
python3 --version
python3 -m pip --version
يتطلب TensorFlow إصدارًا حديثًا من pip، لذا قم بترقية تثبيت pip الخاص بك للتأكد من تشغيل الإصدار الأحدث.
pip install --upgrade pip
ثم قم بتثبيت TensorFlow باستخدام pip.
pip install tensorflow
python3 -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"
إذا تم إرجاع موتر، فهذا يعني أنك قمت بتثبيت TensorFlow بنجاح.
- Windows 7 أو أعلى (64 بت)
ثبّت حزمة Microsoft Visual C++ القابلة لإعادة التوزيع لإصدارات Visual Studio 2015 و2017 و2019 . بدءًا من إصدار TensorFlow 2.1.0، يلزم وجود ملف msvcp140_1.dll من هذه الحزمة (قد لا يتوفر هذا الملف في حزم إعادة التوزيع القديمة). تأتي الحزمة القابلة لإعادة التوزيع مع Visual Studio 2019، ولكن يمكن تثبيتها بشكل منفصل.
- انتقل إلى تنزيلات Microsoft Visual C++ .
- قم بالتمرير لأسفل الصفحة إلى قسم Visual Studio 2015 و2017 و2019 .
- قم بتنزيل وتثبيت Microsoft Visual C++ Redistributable لـ Visual Studio 2015 و2017 و2019 لمنصتك.
تأكد من تمكين المسارات الطويلة على نظام التشغيل Windows.
Miniconda هي الطريقة المُوصى بها لتثبيت TensorFlow مع دعم وحدة معالجة الرسومات. فهي تُنشئ بيئة منفصلة لتجنب تغيير أي برامج مُثبتة على نظامك. كما أنها أسهل طريقة لتثبيت البرامج المطلوبة، خاصةً لإعداد وحدة معالجة الرسومات.
نزّل برنامج Miniconda المثبت لنظام Windows . انقر نقرًا مزدوجًا على الملف الذي تم تنزيله واتبع التعليمات التي تظهر على الشاشة.
قم بإنشاء بيئة conda 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 تفعيله لبقية التثبيت.
يمكنك تخطي هذا القسم إذا كنت تقوم بتشغيل TensorFlow على وحدة المعالجة المركزية فقط.
قم أولاً بتثبيت برنامج تشغيل وحدة معالجة الرسومات NVIDIA إذا لم يكن لديك.
ثم قم بتثبيت CUDA وcuDNN مع conda.
conda install -c conda-forge cudatoolkit=11.2 cudnn=8.1.0
يتطلب TensorFlow إصدارًا حديثًا من pip، لذا قم بترقية تثبيت pip الخاص بك للتأكد من تشغيل الإصدار الأحدث.
pip install --upgrade pip
ثم قم بتثبيت TensorFlow باستخدام pip.
# Anything above 2.10 is not supported on the GPU on Windows Native
pip install "tensorflow<2.11"
التحقق من إعداد وحدة المعالجة المركزية:
python -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"
إذا تم إرجاع موتر، فهذا يعني أنك قمت بتثبيت TensorFlow بنجاح.
التحقق من إعداد وحدة معالجة الرسوميات:
python -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"
إذا تم إرجاع قائمة بأجهزة وحدة معالجة الرسومات (GPU)، فهذا يعني أنك قمت بتثبيت TensorFlow بنجاح.
- Windows 10 19044 أو أحدث (64 بت). يتوافق هذا مع إصدار Windows 10 21H2، تحديث نوفمبر 2021.
انظر المستندات التالية ل:
- تنزيل أخر تحديث لنظام التشغيل Windows 10 .
- تثبيت WSL2
- إعداد دعم وحدة معالجة الرسومات NVIDIA® في WSL2
يمكنك تخطي هذا القسم إذا قمت بتشغيل TensorFlow على وحدة المعالجة المركزية فقط.
ثبّت برنامج تشغيل وحدة معالجة الرسومات NVIDIA إذا لم يكن مثبتًا لديك. يمكنك استخدام الأمر التالي للتحقق من تثبيته.
nvidia-smi
يتطلب TensorFlow إصدارًا حديثًا من pip، لذا قم بترقية تثبيت pip الخاص بك للتأكد من تشغيل الإصدار الأحدث.
pip install --upgrade pip
ثم قم بتثبيت TensorFlow باستخدام pip.
# For GPU users
pip install tensorflow[and-cuda]
# For CPU users
pip install tensorflow
التحقق من إعداد وحدة المعالجة المركزية:
python3 -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"
إذا تم إرجاع موتر، فهذا يعني أنك قمت بتثبيت TensorFlow بنجاح.
التحقق من إعداد وحدة معالجة الرسوميات:
python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"
إذا تم إرجاع قائمة بأجهزة وحدة معالجة الرسومات (GPU)، فهذا يعني أنك قمت بتثبيت TensorFlow بنجاح.
تتطلب بعض آليات التثبيت عنوان URL لحزمة TensorFlow Python. تعتمد القيمة التي تحددها على إصدار Python الخاص بك.