本文主要介紹在Apple M1的Mac os12.x系統下面，安裝tensorflow并配置pycharm環境的程序，
安裝說明
硬體和系統說明
系統介紹如下，設備是搭載M1芯片的macOS為12.2.1的系統環境.
還有值得說明的就是，在M1芯片帶來巨大性能革新的同時，也帶來了諸多生態上面的不足問題，
例如就在這個tensorflow的安裝上面，我們需要注意的不僅有M1的arm架構和其他主流芯片架構在通常出現的不兼容問題，還有mac系統版本上面的問題，
在macOS上面使用tensorflow的說明
要知道在macOS12.x之前版本上面使用tensorflow，我們只能使用它的cpu訓練功能，
但是，現在好了，macOS12.x基礎上支持安裝tensorflow的插件來開啟macOS的GPU訓練功能，
環境準備
miniforge安裝
anaconda是什么？
首先，我們就認識anaconda是什么，anaconda是為機器學習或者資料分析提供一套最簡單方式使用方式的工具集，它里面集成了許多我們機器時需要用到庫(eg: numpy、pandas)，并且還包含了一些簡單的python開發環境工具，
因此，除開它提供的那套工具之外，我們可以把Anaconda看成是Python環境的一個簡單的封裝，在這個環境里面為我們提供一些常用的基礎庫，以及更好用python包的管理工具，比如conda等，
miniconda是什么？
在anaconda 提供的環境里面，我們可以看到提供了豐富的各種工具和包，但是很多時候這些功能對于我們的來講都是冗余的，因此，也就有了更精簡的版本miniconda，miniconda代表的是輕量化，
(老手) Miniconda = Python + conda (with minimal dependencies, like openssl, ncurses...)
(新手) Anaconda = Python + conda + meta package (about 160 Python pkgs, like curl, numpy, pandas...)
為什么又選擇miniforge呢？$^2$
miniforge可以看成是moniconda的一個功能類似的開源產品，它使用了conda-forge的channel（包源），不同是的它比起anaconda官方對Apple M1的支持更好，
比如，后面我們在安裝tensroflow的插件時候就會遇到的問題，使用anaconda就會報錯，
tensroflow安裝
Step1: 安裝miniforge3
- 如果之前有安裝anaconda環境，一定要先卸載干凈$^3$，再安裝，
# 1 安裝anaconda卸載工具anaconda-clean
conda install anaconda-clean
# 2 執行anaconda-clean
anaconda-clean
# 3 洗掉相關檔案或配置
# 3.1 洗掉隱藏備份檔案夾
rm -r /Users/[當前用戶名]/.anaconda_backup/
# 3.2 洗掉anaconda3檔案夾
rm -rf /anaconda3
# 3.3 洗掉環境變數配置
vi ~/.bash_profile
# 3.4 洗掉其他相關隱藏檔案
rm -rf ~/.condarc ~/.conda ~/.continuum
這里值得注意的一點是，在步驟3.2中需要洗掉的以下配置，
洗掉重啟系統，可以通過 conda -V命令來驗證anaconda是否卸載成功，
- 下載 Miniforge3_MacOS_ARM64 選擇
Miniforge3-MacOSX-arm64，并安裝
chmod +x ~/Downloads/Miniforge3-MacOSX-arm64.sh
sh ~/Downloads/Miniforge3-MacOSX-arm64.sh
source ~/miniforge3/bin/activate
執行上述命令之后，安裝提示進行安裝，然后可以通過命令conda -V來查看是否安裝成功，
miniforge3安裝之后環境變數是通過zshrc檔案進行配置的，可以通過vi ~/.zshrc查看，要確環境安裝的miniforge3在用戶目錄下面，否則使用的時候可能實作權限的問題，
Step2: conda的基本使用
- 虛擬環境介紹
通過參考，tensorflow官方安裝教程，可以看到使用pip方式安裝的時，更為推薦的是創建虛擬環境安裝，
那隨之而產生一些疑問，什么是虛擬環境，如何創建虛擬環境，以及如何通過創建虛擬環境安裝tensorflow等一系列問題，
什么是虛擬環境？
理解清楚這個問題，可以讓初學者對于python這一工具有更佳深刻的理解，
如果是macOS用戶，可能會通常都會python這個系統環境的問題有更深刻的困惑？通常macOS都自帶一個python環境，然而這個環境是2.7版本的，這個版本已經很難滿足我們的日常需要，因此，我們不得不去下載一個更新的python來滿足我們的日常使用，這樣就造成了一個多個版本python環境共存一個主機的問題，
如果是Java程式員的話，做個類比，python的虛擬環境就像是JDK和本地MAVEN的倉庫的集合，它里面提供了像JDK一樣的python基礎語言環境，還提供了使用像maven一樣可以支持管理包的一個工具pip，
它和Java開發的區別在于，python通過虛擬環境的創建功能能夠自動的生成一個制定python版本的基礎環境，然后就是這些虛擬環境之前都是互相隔離的，包與包之間也是互不干擾的，在Java里面，似乎我們就從不管這些，我們經常使用都是同一個Maven，頂多進行一些依賴包源的配置，然后基本上是改變它的本地repo的，相當于它的包都是放在一塊的，
為什么有python虛擬環境？
我認為還是和它的設計風格相關，python本身就是一個輕量級的語言，并且實驗性質很強的一個語言環境，它的用戶有著對于新版本新功能更多的需求，它的庫更新迭代也是特別快，因此，它需要一個能夠更好的管理實驗環境的功能，而Java更多面向落地的應用，針對這些應用來講更多的還是強調它的穩定性，因此，它的依賴庫更多的都是隨著基于語言環境更新的，
- conda基本的使用
前面我們知道了conda是一類似pip一樣的包管理工具，但它的功能遠不及此，對它更貼切的描述應該是python環境管理工具，
比如我們前面安裝miniforge3之后，我們就會看我們的終端變了，如圖，(base)就是conda為我們創建的一個默認環境，conda里面的設計都是貫徹了python虛擬環境的，它帶來的好處就是，可以更加方便的使用不同的虛擬環境滿足不同的需求，
conda基本命令
# conda基本命令
conda -V
conda -h
# conda虛擬環境操作
conda info --envs #列出當前虛擬環境
conda create -n tf26 python==3.9 # 創建python3.9名字為tf26的虛擬環境，注意這里可以靈活指定自己的python版本
conda activate tf26 # 激活tf26環境，其實有點git切換分支的感覺
conda remove -name tf26 --all # 洗掉虛擬環境
step3: tensorflow安裝
1、切換到自己的tf26環境
conda activate tf26
2、安裝tensorflow-deps
conda install -c apple tensorflow-deps #安裝最新版本
# conda install -c apple tensorflow-deps==2.6.0 # 安裝指定版本依賴
詳細安裝步驟參考：apple開發者官網:Getting Started with tensorflow-metal PluggableDevice
3、安裝tensorflow-macos
python -m pip install tensorflow-macos
4、安裝tensorflow-metal插件
python -m pip install tensorflow-metal
5、驗證安裝效果
python -c "import tensorflow as tf;print(tf.reduce_sum(tf.random.normal([1000, 1000])))"
出現一下結果，即安裝成功：
pycharm配置
command + ,快捷鍵打開Preferences，選擇Project -> Python Interpreter；
- 在上圖右側點擊??，選擇
add，來到以下界面，然后選擇左側conda enviroment，然后選擇已有環境，配置我們剛才已經安裝好tensorflow的環境即可，
- 至此，我們的tensroflow在pycharm中的配置也已經完成，我們可以測驗一下，能夠正常使用，
tensorflow入門案例
以下是tensorflow官網的tensorflow入門案例，照片分類訓練
- 代碼
import tensorflow as tf
mnist = tf.keras.datasets.mnist
(x_train, y_train), (x_test, y_test) = mnist.load_data()
x_train, x_test = x_train / 255.0, x_test / 255.0
model = tf.keras.models.Sequential([
tf.keras.layers.Flatten(input_shape=(28, 28)),
tf.keras.layers.Dense(128, activation='relu'),
tf.keras.layers.Dropout(0.2),
tf.keras.layers.Dense(10, activation='softmax')
])
model.compile(optimizer='adam',
loss='sparse_categorical_crossentropy',
metrics=['accuracy'])
model.fit(x_train, y_train, epochs=5)
model.evaluate(x_test, y_test, verbose=2)
- 運行結果
Metal device set to: Apple M1
systemMemory: 16.00 GB
maxCacheSize: 5.33 GB
2022-07-28 10:54:57.919635: I tensorflow/core/common_runtime/pluggable_device/pluggable_device_factory.cc:305] Could not identify NUMA node of platform GPU ID 0, defaulting to 0. Your kernel may not have been built with NUMA support.
2022-07-28 10:54:57.919888: I tensorflow/core/common_runtime/pluggable_device/pluggable_device_factory.cc:271] Created TensorFlow device (/job:localhost/replica:0/task:0/device:GPU:0 with 0 MB memory) -> physical PluggableDevice (device: 0, name: METAL, pci bus id: <undefined>)
2022-07-28 10:54:58.477466: W tensorflow/core/platform/profile_utils/cpu_utils.cc:128] Failed to get CPU frequency: 0 Hz
Epoch 1/5
2022-07-28 10:54:58.867887: I tensorflow/core/grappler/optimizers/custom_graph_optimizer_registry.cc:113] Plugin optimizer for device_type GPU is enabled.
1875/1875 [==============================] - 11s 4ms/step - loss: 0.2914 - accuracy: 0.9152
Epoch 2/5
1875/1875 [==============================] - 8s 4ms/step - loss: 0.1374 - accuracy: 0.9586
Epoch 3/5
1875/1875 [==============================] - 9s 5ms/step - loss: 0.1015 - accuracy: 0.9694
Epoch 4/5
1875/1875 [==============================] - 8s 4ms/step - loss: 0.0811 - accuracy: 0.9749
Epoch 5/5
1875/1875 [==============================] - 9s 5ms/step - loss: 0.0683 - accuracy: 0.9786
2022-07-28 10:55:43.420308: I tensorflow/core/grappler/optimizers/custom_graph_optimizer_registry.cc:113] Plugin optimizer for device_type GPU is enabled.
313/313 - 1s - loss: 0.0734 - accuracy: 0.9784 - 1s/epoch - 3ms/step
Process finished with exit code 0
參考
- 2022最新Apple M1/Mac M1 配置安裝Tensorflow環境方法(親測可用)：https://zhuanlan.zhihu.com/p/474212619
- 一文解釋conda,pip,anaconda,miniconda,miniforge：https://zhuanlan.zhihu.com/p/518926990
- mac 下anaconda徹底洗掉卸載：https://blog.csdn.net/weixin_41794514/article/details/111688993
venv--- 創建虛擬環境：https://docs.python.org/zh-cn/3/library/venv.html- tensroflow官方教程-使用 pip 安裝 TensorFlow：https://tensorflow.google.cn/install/pip?hl=zh-cn
- Getting Started with tensorflow-metal PluggableDevice：https://developer.apple.com/metal/tensorflow-plugin/
- tensroflow官方教程-初學者的 TensorFlow 2.0 教程:https://tensorflow.google.cn/tutorials/quickstart/beginner?hl=zh-cn
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/500428.html
標籤：其他
上一篇：AlexNet—論文分析及復現
下一篇：常用電源符號含義分享