安装

安装#

使用 JAX 需要安装两个包: jax，它是纯 Python 且跨平台的，以及 jaxlib，它包含编译后的二进制文件，并且需要为不同的操作系统和加速器构建不同的版本。

总结: 对于大多数用户来说，典型的 JAX 安装可能看起来像这样

  • 仅限 CPU（Linux/macOS/Windows）

    pip install -U jax

  • GPU（NVIDIA，CUDA 12）

    pip install -U "jax[cuda12]"

  • TPU（Google Cloud TPU VM）

    pip install -U "jax[tpu]" -f https://storage.googleapis.com/jax-releases/libtpu_releases.html

支持的平台#

下表显示了所有支持的平台和安装选项。检查你的设置是否受支持；如果它显示“是”或“实验性”，请单击相应的链接以详细了解如何在 JAX 中安装 JAX。

Linux，x86_64

Linux，aarch64

macOS，Intel x86_64，AMD GPU

macOS，Apple Silicon，基于 ARM

Windows，x86_64

Windows WSL2，x86_64

CPU

是

是

是

是

是

是

NVIDIA GPU

是

是

否

n/a

否

实验性

Google Cloud TPU

是

n/a

n/a

n/a

n/a

n/a

AMD GPU

实验性

否

否

n/a

否

否

Apple GPU

n/a

否

实验性

实验性

n/a

n/a

CPU#

pip 安装: CPU#

目前，JAX 团队为以下操作系统和体系结构发布了 jaxlib 轮子

  • Linux，x86_64

  • Linux，aarch64

  • macOS，Intel

  • macOS，Apple 基于 ARM

  • Windows，x86_64（实验性）

要安装仅限 CPU 的 JAX 版本，这可能对在笔记本电脑上进行本地开发很有用，你可以运行

pip install --upgrade pip
pip install --upgrade jax

在 Windows 上，你可能还需要安装 Microsoft Visual Studio 2019 Redistributable，如果它尚未安装在你的机器上。

其他操作系统和架构需要从源代码构建。尝试在其他操作系统和架构上进行 pip 安装可能会导致 jaxlib 未与 jax 一起安装，尽管 jax 可能已成功安装（但在运行时失败）。

NVIDIA GPU#

JAX 支持 SM 版本 5.2（Maxwell）或更新的 NVIDIA GPU。请注意，由于 NVIDIA 已在其软件中停止支持 Kepler GPU，因此 JAX 不再支持 Kepler 系列 GPU。

您必须首先安装 NVIDIA 驱动程序。建议您安装 NVIDIA 提供的最新驱动程序，但对于 Linux 上的 CUDA 12，驱动程序版本必须 >= 525.60.13。

如果您需要在较旧的驱动程序上使用较新的 CUDA 工具包（例如在无法轻松更新 NVIDIA 驱动程序的集群上），您可以使用 NVIDIA 为此目的提供的 CUDA 向前兼容性软件包。

pip 安装：NVIDIA GPU（CUDA，通过 pip 安装，更轻松）#

有两种方法可以安装支持 NVIDIA GPU 的 JAX

  • 使用从 pip 轮安装的 NVIDIA CUDA 和 cuDNN

  • 使用自安装的 CUDA/cuDNN

JAX 团队强烈建议使用 pip 轮安装 CUDA 和 cuDNN，因为它非常容易！

NVIDIA 仅为 x86_64 和 aarch64 发布了 CUDA pip 软件包；在其他平台上，您必须使用本地安装的 CUDA。

pip install --upgrade pip

# NVIDIA CUDA 12 installation
# Note: wheels only available on linux.
pip install --upgrade "jax[cuda12]"

如果 JAX 检测到错误版本的 NVIDIA CUDA 库，则需要检查以下几个事项

  • 确保未设置 LD_LIBRARY_PATH，因为 LD_LIBRARY_PATH 会覆盖 NVIDIA CUDA 库。

  • 确保安装的 NVIDIA CUDA 库是 JAX 所要求的库。重新运行上面的安装命令应该可以解决问题。

pip 安装：NVIDIA GPU（CUDA，本地安装，更难）#

如果您更喜欢使用预安装的 NVIDIA CUDA 副本，则必须首先安装 NVIDIA CUDA 和 cuDNN。

JAX 为 **仅限 Linux x86_64 和 Linux aarch64** 提供预构建的 CUDA 兼容轮。其他操作系统和架构的组合也是可能的，但需要从源代码构建（请参阅 从源代码构建 了解更多信息）。

您应该使用至少与您的 NVIDIA CUDA 工具包的对应驱动程序版本 一样新的 NVIDIA 驱动程序版本。如果您需要在较旧的驱动程序上使用较新的 CUDA 工具包（例如在无法轻松更新 NVIDIA 驱动程序的集群上），您可以使用 NVIDIA 为此目的提供的 CUDA 向前兼容性软件包。

JAX 目前提供一个 CUDA 轮变体

使用

兼容

CUDA 12.3

CUDA >=12.1

CUDNN 9.1

CUDNN >=9.1，<10.0

NCCL 2.19

NCCL >=2.18

JAX 会检查您的库版本，如果版本不够新，则会报错。设置 JAX_SKIP_CUDA_CONSTRAINTS_CHECK 环境变量将禁用检查，但使用较旧版本的 CUDA 可能会导致错误或不正确的结果。

NCCL 是一个可选依赖项，仅在您进行多 GPU 计算时才需要。

要安装，请运行

pip install --upgrade pip

# Installs the wheel compatible with NVIDIA CUDA 12 and cuDNN 9.0 or newer.
# Note: wheels only available on linux.
pip install --upgrade "jax[cuda12_local]"

这些 pip 安装无法与 Windows 配合使用，并且可能会静默失败；请参阅表格 以上。

您可以使用以下命令找到您的 CUDA 版本

nvcc --version

JAX 使用 LD_LIBRARY_PATH 查找 CUDA 库，使用 PATH 查找二进制文件（ptxas，nvlink）。请确保这些路径指向正确的 CUDA 安装。

JAX 需要 libdevice10.bc，它通常来自 cuda-nvvm 软件包。确保它存在于您的 CUDA 安装中。

如果您在使用预构建的轮时遇到任何错误或问题，请在 GitHub 问题跟踪器 上告知 JAX 团队。

NVIDIA GPU Docker 容器#

NVIDIA 提供 JAX 工具箱 容器，它们是包含 jax 和一些模型/框架的夜间版本的尖端容器。

Google Cloud TPU#

pip 安装：Google Cloud TPU#

JAX 为 Google Cloud TPU 提供预构建的轮。要安装 JAX 以及 jaxlib 和 libtpu 的适当版本，您可以在云 TPU VM 中运行以下命令

pip install jax[tpu] -f https://storage.googleapis.com/jax-releases/libtpu_releases.html

对于 Colab（https://colab.research.google.com/）的用户，请确保您使用的是 *TPU v2* 而不是较旧的已弃用的 TPU 运行时。

Apple Silicon GPU（基于 ARM）#

pip 安装：Apple 基于 ARM 的 Silicon GPU#

Apple 为 Apple 基于 ARM 的 GPU 硬件提供了一个实验性的 Metal 插件。有关详细信息，请参阅 Apple 的 JAX on Metal 文档。

注意： Metal 插件有几个注意事项

  • Metal 插件是新的且实验性的，并且有一些 已知问题。请在 JAX 问题跟踪器中报告任何问题。

  • Metal 插件目前需要非常具体的 jax 和 jaxlib 版本。随着插件 API 的成熟，此限制将随着时间的推移而放宽。

AMD GPU#

JAX 具有实验性的 ROCm 支持。有两种方法可以安装 JAX

Conda（社区支持）#

Conda 安装#

有一个社区支持的 jax 的 Conda 构建。要使用 conda 安装它，只需运行

conda install jax -c conda-forge

要在配备 NVIDIA GPU 的机器上安装它，请运行

conda install jaxlib=*=*cuda* jax cuda-nvcc -c conda-forge -c nvidia

请注意，由 conda-forge 分发的 cudatoolkit 缺少 JAX 所需的 ptxas。因此，您必须从 nvidia 频道安装 cuda-nvcc 软件包，或者单独在您的机器上安装 CUDA，以便 ptxas 位于您的路径中。上面的通道顺序很重要（conda-forge 在 nvidia 之前）。

如果您想覆盖 JAX 使用的 CUDA 版本，或者要在没有 GPU 的机器上安装 CUDA 构建，请按照 conda-forge 网站的 提示和技巧 部分的说明进行操作。

转到 conda-forge 的 jaxlib 和 jax 存储库以获取更多详细信息。

JAX 夜间安装#

夜间版本反映了 JAX 主存储库在构建时的状态，可能无法通过完整的测试套件。

与安装 JAX 版本的说明不同，这里我们在命令行中明确地命名了 JAX 的所有软件包，因此如果存在更新的版本，pip 将对其进行升级。

  • 仅限 CPU

pip install -U --pre jax jaxlib -f https://storage.googleapis.com/jax-releases/jax_nightly_releases.html

  • Google Cloud TPU

pip install -U --pre jax jaxlib libtpu-nightly requests -f https://storage.googleapis.com/jax-releases/jax_nightly_releases.html -f https://storage.googleapis.com/jax-releases/libtpu_releases.html

  • NVIDIA GPU（CUDA 12）

pip install -U --pre jax jaxlib jax-cuda12-plugin[with_cuda] jax-cuda12-pjrt -f https://storage.googleapis.com/jax-releases/jax_nightly_releases.html

  • NVIDIA GPU（CUDA 12）旧版

对于历史版本的单片 CUDA jaxlib，请使用以下命令。您很可能不需要这样做；不会再构建单片 CUDA jaxlib，现有的 jaxlib 将在 2024 年 9 月前过期。使用上面的“CUDA 12”选项。

pip install -U --pre jaxlib -f https://storage.googleapis.com/jax-releases/jaxlib_nightly_cuda12_releases.html

从源代码构建 JAX#

请参阅 从源代码构建。

安装较旧的 jaxlib 轮#

由于 Python 软件包索引上的存储限制，JAX 团队会定期从 https://pypi.ac.cn/project/jax 上的版本中删除较旧的 jaxlib 轮。这些仍然可以通过这里的 URL 直接安装。例如

# Install jaxlib on CPU via the wheel archive
pip install jax[cpu]==0.3.25 -f https://storage.googleapis.com/jax-releases/jax_releases.html

# Install the jaxlib 0.3.25 CPU wheel directly
pip install jaxlib==0.3.25 -f https://storage.googleapis.com/jax-releases/jax_releases.html

对于特定版本的较旧 GPU 轮，请确保使用 jax_cuda_releases.html URL；例如

pip install jaxlib==0.3.25+cuda11.cudnn82 -f https://storage.googleapis.com/jax-releases/jax_cuda_releases.html
内容