根据一些前人的博客提供的信息目前mac下安装tensorflow主要有三种
1 本地 pip 2 docker 3 virtualenv
三种方式具体那个好先不去追究,单说我选择的virtualenv主要因为他具有在同一台机器上不会干扰也不会被其它程序影响的特性。
安装步骤
1 使用命令安装pip和virtualenv
pip安装:sudo easy_install pip
virtualenv安装:sudo pip install --upgrade virtualenv
2 创建virtualenv虚拟环境
我选择的开发语言是python3 所以使用以下命令
virtualenv --system-site-packages -p python3 targetDirectory # for Python 3.x
3 命令激活虚拟环境
对应的位置下执行 source ../targetDirectory/bin/activate
例如我的 source /Users/bernie/targetDirectory/bin/activate
4 激活的虚拟环境中安装 TensorFlow 及其所有依赖
pip3 install --upgrade tensorflow
5 验证你的安装是否工作正常
注意,每打开一个新的 shell 使用 TensorFlow 都必须激活虚拟环境
1 开启一个终端
2 激活容器
3 输入如下代码
import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))
如果系统输出 “Hello, TensorFlow!” ,你可以开始写 TensorFlow 程序了
ps :Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX2 FMA 的解决方法
原因 :你的CPU支持AVX扩展,但是你安装的TensorFlow版本无法编译使用。
提示 :这只限于CPU。如果你有一个GPU,你不应该关心AVX的支持,因为大多数昂贵的操作将被分派到一个GPU设备上(除非明确地设置)。在这种情况下,您可以简单地忽略此警告。
解决:1 在代码中加入如下代码,忽略警告
import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = ‘2'
2.编译TensorFlow源码
如果您没有GPU并且希望尽可能多地利用CPU,那么如果您的CPU支持AVX,AVX2和FMA,则应该从针对CPU优化的 源构建tensorflow。在这个问题中已经讨论过这个问题,也是这个GitHub问题。 Tensorflow使用称为bazel的ad-hoc构建 系统,构建它并不是那么简单,但肯定是可行的。在此之后,不仅警告消失,tensorflow性能也应该改善