本指南适用于 TensorFlow 的最新稳定版本。对于预览版构建（每晚），请使用名为 tf-nightly 的 pip 软件包。请参阅这些表格，了解较旧 TensorFlow 版本的要求。对于仅限 CPU 的构建，请使用名为 tensorflow-cpu 的 pip 软件包。
以下是安装命令的快速版本。向下滚动以获取分步说明。
Linux
python3 -m pip install tensorflow[and-cuda]
# Verify the installation:
python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"
MacOS
# 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])))"
Windows 原生
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'))"
Windows 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])))"
每日更新
python3 -m pip install tf-nightly
# Verify the installation:
python3 -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"
硬件要求
支持以下支持 GPU 的设备
- 具有 CUDA® 架构 3.5、5.0、6.0、7.0、7.5、8.0 及更高版本的 NVIDIA® GPU 卡。请参阅 支持 CUDA® 的 GPU 卡 列表。
- 对于具有不受支持的 CUDA® 架构的 GPU，或者为了避免从 PTX 进行 JIT 编译，或者为了使用不同版本的 NVIDIA® 库，请参阅 从源代码构建 Linux 指南。
- 除了最新的受支持 CUDA® 架构之外，包不包含 PTX 代码；因此，当设置
CUDA_FORCE_PTX_JIT=1时，TensorFlow 无法加载到较旧的 GPU 上。（有关详细信息，请参阅 应用程序兼容性。）
系统要求
- Ubuntu 16.04 或更高版本（64 位）
- macOS 10.12.6（Sierra）或更高版本（64 位）（不支持 GPU）
- Windows 原生 - Windows 7 或更高版本（64 位）（TF 2.10 之后不支持 GPU）
- Windows WSL2 - Windows 10 19044 或更高版本（64 位）
软件要求
- Python 3.9–3.12
- Linux（需要
manylinux2014支持）和 Windows 的 pip 版本 19.0 或更高版本。macOS 的 pip 版本 20.3 或更高版本。 - Windows 原生需要适用于 Visual Studio 2015、2017 和 2019 的 Microsoft Visual C++ 可再发行组件包
以下 NVIDIA® 软件仅适用于 GPU 支持。
- NVIDIA® GPU 驱动程序
- >= 525.60.13 适用于 Linux
- >= 528.33 适用于 Windows 上的 WSL
- CUDA® Toolkit 12.3.
- cuDNN SDK 8.9.7.
- （可选）TensorRT可提高推理的延迟和吞吐量。
分步说明
Linux
1. 系统要求
- Ubuntu 16.04 或更高版本（64 位）
TensorFlow 仅正式支持 Ubuntu。但是，以下说明也适用于其他 Linux 发行版。
2. GPU 设置
如果您仅在 CPU 上运行 TensorFlow，则可以跳过此部分。
如果您尚未安装，请安装NVIDIA GPU 驱动程序。您可以使用以下命令验证其是否已安装。
nvidia-smi
3. 安装 TensorFlow
TensorFlow 需要较新版本的 pip，因此请升级您的 pip 安装以确保您运行的是最新版本。
pip install --upgrade pip
然后，使用 pip 安装 TensorFlow。
# For GPU users
pip install tensorflow[and-cuda]
# For CPU users
pip install tensorflow
4. 验证安装
验证 CPU 设置
python3 -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"
如果返回张量，则表示您已成功安装 TensorFlow。
验证 GPU 设置
python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"
如果返回 GPU 设备列表，则表示您已成功安装 TensorFlow。
MacOS
1. 系统要求
- macOS 10.12.6（Sierra）或更高版本（64 位）
目前，在 MacOS 上运行 TensorFlow 没有官方的 GPU 支持。以下说明适用于在 CPU 上运行。
2. 检查 Python 版本
检查您的 Python 环境是否已配置
python3 --version
python3 -m pip --version
3. 安装 TensorFlow
TensorFlow 需要较新版本的 pip，因此请升级您的 pip 安装以确保您运行的是最新版本。
pip install --upgrade pip
然后，使用 pip 安装 TensorFlow。
pip install tensorflow
4. 验证安装
python3 -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"
如果返回张量，则表示您已成功安装 TensorFlow。
Windows 原生
1. 系统要求
- Windows 7 或更高版本（64 位）
2. 安装 Microsoft Visual C++ 可再发行组件包
安装适用于 Visual Studio 2015、2017 和 2019 的 Microsoft Visual C++ 可再发行组件包。从 TensorFlow 2.1.0 版本开始，此软件包需要 msvcp140_1.dll 文件（旧的可再发行组件包中可能未提供）。可再发行组件包附带Visual Studio 2019，但可以单独安装
- 转到 Microsoft Visual C++ 下载。
- 向下滚动页面，找到Visual Studio 2015、2017 和 2019 部分。
- 为您的平台下载并安装适用于 Visual Studio 2015、2017 和 2019 的 Microsoft Visual C++ 可再发行组件包。
确保已在 Windows 上启用长路径。
3. 安装 Miniconda
Miniconda 是推荐用于安装支持 GPU 的 TensorFlow 的方法。它创建一个单独的环境，以避免更改系统中安装的任何软件。这也是安装必需软件的最简单方法，尤其是对于 GPU 设置。
下载 Miniconda Windows 安装程序。双击下载的文件并按照屏幕上的说明进行操作。
4. 创建 conda 环境
使用以下命令创建一个名为 tf 的新 conda 环境。
conda create --name tf python=3.9
您可以使用以下命令停用和激活它。
conda deactivate
conda activate tf
确保在安装的剩余时间内激活它。
5. GPU 设置
如果您只在 CPU 上运行 TensorFlow，则可以跳过此部分。
如果您还没有安装，请先安装 NVIDIA GPU 驱动程序。
然后使用 conda 安装 CUDA 和 cuDNN。
conda install -c conda-forge cudatoolkit=11.2 cudnn=8.1.0
6. 安装 TensorFlow
TensorFlow 需要较新版本的 pip，因此请升级您的 pip 安装以确保您运行的是最新版本。
pip install --upgrade pip
然后，使用 pip 安装 TensorFlow。
# Anything above 2.10 is not supported on the GPU on Windows Native
pip install "tensorflow<2.11"
7. 验证安装
验证 CPU 设置
python -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"
如果返回张量，则表示您已成功安装 TensorFlow。
验证 GPU 设置
python -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"
如果返回 GPU 设备列表，则表示您已成功安装 TensorFlow。
Windows WSL2
1. 系统要求
- Windows 10 19044 或更高版本（64 位）。这对应于 Windows 10 版本 21H2，即 2021 年 11 月更新。
参阅以下文档
2. GPU 设置
如果您仅在 CPU 上运行 TensorFlow，则可以跳过此部分。
如果您尚未安装，请安装NVIDIA GPU 驱动程序。您可以使用以下命令验证其是否已安装。
nvidia-smi
3. 安装 TensorFlow
TensorFlow 需要较新版本的 pip，因此请升级您的 pip 安装以确保您运行的是最新版本。
pip install --upgrade pip
然后，使用 pip 安装 TensorFlow。
# For GPU users
pip install tensorflow[and-cuda]
# For CPU users
pip install tensorflow
4. 验证安装
验证 CPU 设置
python3 -c "import tensorflow as tf; print(tf.reduce_sum(tf.random.normal([1000, 1000])))"
如果返回张量，则表示您已成功安装 TensorFlow。
验证 GPU 设置
python3 -c "import tensorflow as tf; print(tf.config.list_physical_devices('GPU'))"
如果返回 GPU 设备列表，则表示您已成功安装 TensorFlow。
软件包位置
一些安装机制需要 TensorFlow Python 软件包的 URL。您指定的值取决于您的 Python 版本。