هذا الدليل مخصص لأحدث إصدار مستقر من TensorFlow. بالنسبة للإصدار التجريبي (الليليّ) ، استخدم حزمة pip المسماة tf-nightly . راجع هذه الجداول لمعرفة متطلبات إصدارات TensorFlow الأقدم. بالنسبة للإصدار الذي يعمل على وحدة المعالجة المركزية فقط، استخدم حزمة pip المسماة tensorflow-cpu .
إليكم ملخصًا لأوامر التثبيت. انتقلوا 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 التالية المزودة بمعالج رسومات (GPU) مدعومة:
- بطاقة معالجة رسومية من NVIDIA® تدعم معمارية CUDA® 3.5، 5.0، 6.0، 7.0، 7.5، 8.0 والإصدارات الأحدث. راجع قائمة بطاقات معالجة الرسوميات التي تدعم CUDA® .
- بالنسبة لوحدات معالجة الرسومات ذات بنى CUDA® غير المدعومة، أو لتجنب تجميع JIT من PTX، أو لاستخدام إصدارات مختلفة من مكتبات NVIDIA®، راجع دليل بناء Linux من المصدر .
- لا تحتوي الحزم على كود PTX إلا لأحدث بنية CUDA® المدعومة؛ لذلك، يفشل TensorFlow في التحميل على وحدات معالجة الرسومات القديمة عند ضبط
CUDA_FORCE_PTX_JIT=1. (راجع توافق التطبيقات لمزيد من التفاصيل.)
- أوبونتو 16.04 أو أعلى (64 بت)
- نظام التشغيل macOS 12.0 (Monterey) أو أعلى (64 بت) (لا يدعم وحدة معالجة الرسومات)
- نظام التشغيل الأصلي لنظام التشغيل Windows 7 أو أعلى (64 بت) (لا يوجد دعم لوحدة معالجة الرسومات بعد الإصدار TF 2.10)
- ويندوز WSL2 - ويندوز 10 الإصدار 19044 أو أعلى (64 بت)
- بايثون 3.9–3.12
- يتطلب نظام التشغيل لينكس وويندوز إصدار pip 19.0 أو أحدث (يتطلب دعم
manylinux2014). أما نظام التشغيل ماك أو إس فيتطلب إصدار pip 20.3 أو أحدث. - يتطلب Windows Native حزمة Microsoft Visual C++ Redistributable لـ Visual Studio 2015 و2017 و2019
البرامج التالية من NVIDIA® مطلوبة فقط لدعم وحدة معالجة الرسومات (GPU).
- برامج تشغيل وحدة معالجة الرسومات NVIDIA®
- الإصدار 525.60.13 أو أحدث لنظام لينكس
- >= 528.33 لنظام WSL على نظام التشغيل Windows
- مجموعة أدوات CUDA® 12.3
- cuDNN SDK 8.9.7 .
- (اختياري) TensorRT لتحسين زمن الاستجابة والإنتاجية للاستدلال.
- أوبونتو 16.04 أو أعلى (64 بت)
يدعم TensorFlow رسميًا نظام Ubuntu فقط. ومع ذلك، قد تنجح التعليمات التالية أيضًا مع توزيعات Linux الأخرى.
يمكنك تخطي هذا القسم إذا كنت تقوم بتشغيل TensorFlow على وحدة المعالجة المركزية فقط.
قم بتثبيت برنامج تشغيل بطاقة الرسومات NVIDIA إذا لم تكن قد فعلت ذلك. يمكنك استخدام الأمر التالي للتحقق من تثبيته.
nvidia-smi
تُعد وحدة venv جزءًا من مكتبة بايثون القياسية وهي الطريقة الموصى بها رسميًا لإنشاء بيئات افتراضية.
انتقل إلى دليل البيئات الافتراضية الذي تريده 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 تفعيل البيئة الافتراضية لبقية عملية التثبيت.
يتطلب TensorFlow إصدارًا حديثًا من pip، لذا قم بترقية تثبيت pip الخاص بك للتأكد من أنك تستخدم أحدث إصدار.
pip install --upgrade pip
ثم قم بتثبيت TensorFlow باستخدام pip.
# For GPU users
pip install tensorflow[and-cuda]
# For CPU users
pip install tensorflow
تحقق من إعدادات 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.
تحقق من إعدادات وحدة معالجة الرسومات (GPU):
python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"
إذا تم عرض قائمة بأجهزة معالجة الرسومات، فهذا يعني أنك قمت بتثبيت TensorFlow بنجاح. وإذا لم يتم عرضها، فانتقل إلى الخطوة التالية .
إذا لم ينجح اختبار وحدة معالجة الرسومات في القسم الأخير، فمن المرجح أن السبب هو عدم اكتشاف المكونات، أو تعارضها مع تثبيت CUDA الحالي للنظام. لذا، ستحتاج إلى إضافة بعض الروابط الرمزية لحل هذه المشكلة.
- إنشاء روابط رمزية إلى مكتبات NVIDIA المشتركة:
pushd $(dirname $(python -c 'print(__import__("tensorflow").__file__)'))
ln -svf ../nvidia/*/lib/*.so* .
popd
- أنشئ رابطًا رمزيًا 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
تحقق من إعدادات وحدة معالجة الرسومات (GPU):
python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"
- نظام التشغيل 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 بايثون 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 أنك تستخدم أحدث إصدار.
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.
- نظام التشغيل ويندوز 7 أو أعلى (64 بت)
قم بتثبيت حزمة Microsoft Visual C++ القابلة لإعادة التوزيع لـ Visual Studio 2015 و2017 و2019 . بدءًا من إصدار TensorFlow 2.1.0، يلزم وجود ملف msvcp140_1.dll من هذه الحزمة (والذي قد لا يكون متوفرًا في الحزم القابلة لإعادة التوزيع الأقدم). تأتي الحزمة القابلة لإعادة التوزيع مع Visual Studio 2019، ولكن يمكن تثبيتها بشكل منفصل.
- انتقل إلى صفحة تنزيلات Microsoft Visual C++ .
- قم بالتمرير لأسفل الصفحة إلى قسم Visual Studio 2015 و2017 و2019 .
- قم بتنزيل وتثبيت حزمة Microsoft Visual C++ Redistributable لـ Visual Studio 2015 و 2017 و 2019 لمنصتك.
تأكد من تفعيل المسارات الطويلة في نظام التشغيل ويندوز.
يُعدّ برنامج Miniconda الخيار الأمثل لتثبيت TensorFlow مع دعم وحدة معالجة الرسومات (GPU). فهو يُنشئ بيئة منفصلة لتجنب تغيير أي برامج مُثبّتة على نظامك. كما أنه أسهل طريقة لتثبيت البرامج المطلوبة، خاصةً لإعداد وحدة معالجة الرسومات.
قم بتنزيل برنامج تثبيت Miniconda لنظام التشغيل Windows . انقر نقراً مزدوجاً على الملف الذي تم تنزيله واتبع التعليمات التي تظهر على الشاشة.
أنشئ بيئة conda جديدة باسم tf باستخدام الأمر التالي.
conda create --name tf python=3.9
يمكنك تعطيله وتفعيله باستخدام الأوامر التالية.
conda deactivate
conda activate tf
تأكد من تفعيله لبقية عملية 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 تكن قد قمت بذلك بالفعل.
ثم قم بتثبيت CUDA و cuDNN باستخدام 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 أنك تستخدم أحدث إصدار.
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"
تحقق من إعدادات 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.
تحقق من إعدادات وحدة معالجة الرسومات (GPU):
python -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"
إذا تم إرجاع قائمة بأجهزة وحدة معالجة الرسومات، فهذا يعني أنك قمت بتثبيت TensorFlow بنجاح.
- نظام التشغيل Windows 10 الإصدار 19044 أو أحدث (64 بت). وهذا يتوافق مع إصدار Windows 10 21H2، تحديث نوفمبر 2021.
يرجى الاطلاع على المستندات التالية لمعرفة ما يلي:
- قم بتنزيل آخر تحديث لنظام التشغيل Windows 10 .
- قم بتثبيت WSL2
- إعداد دعم وحدة معالجة الرسومات NVIDIA® في WSL2
يمكنك تخطي هذا القسم إذا كنت تقوم بتشغيل TensorFlow على وحدة المعالجة المركزية فقط.
قم بتثبيت برنامج تشغيل بطاقة الرسومات NVIDIA إذا لم تكن قد فعلت ذلك. يمكنك استخدام الأمر التالي للتحقق من تثبيته.
nvidia-smi
يتطلب TensorFlow إصدارًا حديثًا من pip، لذا قم بترقية تثبيت pip الخاص بك للتأكد من أنك تستخدم أحدث إصدار.
pip install --upgrade pip
ثم قم بتثبيت TensorFlow باستخدام pip.
# For GPU users
pip install tensorflow[and-cuda]
# For CPU users
pip install tensorflow
تحقق من إعدادات 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.
تحقق من إعدادات وحدة معالجة الرسومات (GPU):
python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"
إذا تم إرجاع قائمة بأجهزة وحدة معالجة الرسومات، فهذا يعني أنك قمت بتثبيت TensorFlow بنجاح.
تتطلب بعض آليات التثبيت عنوان URL لحزمة TensorFlow الخاصة بلغة Python. وتعتمد القيمة التي تحددها على إصدار Python لديك.