【转】M1 Mac os conda集成深度学习框架Tensorflow

原文:金玉良缘易配而木石前盟难得|M1 Mac os(Apple Silicon)天生一对Python3开发环境搭建(集成深度学习框架Tensorflow/Pytorch)
b站视频教程:绝配天成金风玉露,M1 mac系统配置Python3开发环境(集成深度学习框架tensorflow:Pytorch)

最近python课程需要利用tensorflow完成作业,踩了许多坑,按照这位博主的教程,完成了测试,亲测可用。主要的步骤按照上方视频或者博客地址进行操作即可。下面是一些遇到的小问题以及一些操作:

Miniforge3下载

下载地址:https://github.com/conda-forge/miniforge

选Miniforge3-MacOSX-arm64版本。

sudo bash ./Miniforge3-MacOSX-arm64.sh

编辑配置文件:

vim ~/.zshrc

加入以下内容:xxx处为自己的用户名

path=('/Users/xxx/miniforge3/bin' $path)
export PATH

之后生效:

source ~/.zshrc

conda命令

#可以查看当前conda的基本信息内核,平台,下载源以及目录位置
conda info 

# 配置国内下载源
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/bioconda/
conda config --add channels https://mirrors.ustc.edu.cn/anaconda/cloud/menpo/

conda config --set show_channel_urls yes

# 查看当前下载源
conda config --show

# 查看conda版本
conda --version

# 其他操作
conda update conda #更新至最新版本,也会更新其它相关包
conda update --all #更新所有包
conda update package_name #更新指定的包

# 创建虚拟环境,env为名称,package为包名,可以指定版本
conda create -n env_name package_name 

source activate env_name #切换至env_name环境
source deactivate #退出环境
conda info -e #显示所有已经创建的环境
conda remove --name env_name –-all #删除环境

conda list #查看所有已经安装的包
conda install package_name #在当前环境中安装包
conda install --name env_name package_name #在指定环境中安装包
conda remove -- name env_name package #删除指定环境中的包
conda remove package #删除当前环境中的包

tensorflow安装

sudo conda create -n py38 python=3.8
conda activate py38 # 这个不行的话,试试source activate py38

接着下载M1适配的文件:
https://github.91chifun.workers.dev//https://github.com/apple/tensorflow_macos/releases/download/v0.1alpha1/tensorflow_macos-0.1alpha1.tar.gz

# 解压文件
tar -zxvf tensorflow_macos-0.1alpha1.tar.gz
# 进入目录
cd tensorflow_macos/arm64
# 执行命令
pip install --force pip==20.2.4 wheel setuptools cached-property six

pip install --upgrade --no-dependencies --force numpy-1.18.5-cp38-cp38-macosx_11_0_arm64.whl grpcio-1.33.2-cp38-cp38-macosx_11_0_arm64.whl h5py-2.10.0-cp38-cp38-macosx_11_0_arm64.whl tensorflow_addons-0.11.2+mlcompute-cp38-cp38-macosx_11_0_arm64.whl

pip install absl-py astunparse flatbuffers gast google_pasta keras_preprocessing opt_einsum protobuf tensorflow_estimator termcolor typing_extensions wrapt wheel tensorboard typeguard

pip install --upgrade --force --no-dependencies tensorflow_macos-0.1a1-cp38-cp38-macosx_11_0_arm64.whl

这里会有个问题,可能会提示pip版本不够,需要按照提示升级pip版本。

# 比如我这里就是先升级了pip版本
/Users/xxx/miniforge3/envs/py38/bin/python3.8 -m pip install --upgrade pip

# 接着将上面的四条命令的第一条,pip==20.2.4改成最新的更新完成的pip版本

pycharm集成

在这里插入图片描述
pycharm打开Jupyter失败:

python -m notebook

补充

Macbook M1安装tensorflow-gpu教程

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 可以使用以下命令在conda下查看自己的tensorflow版本: ``` conda list | grep tensorflow ``` 这将显示已安装的tensorflow版本。如果没有显示任何版本,则说明您尚未安装tensorflow。 ### 回答2: 在conda下查看自己的tensorflow版本可以通过以下步骤: 1. 打开命令行终端。 2. 激活想要检查的conda环境。如果你没有使用特定的环境,请跳过此步骤。 - 使用命令`conda activate <环境名称>`激活特定的环境。例如,如果你的环境名称为`myenv`,则可以使用命令`conda activate myenv`来激活它。 3. 使用以下命令来查看在当前激活的conda环境下已安装的tensorflow版本: - `conda list | grep tensorflow`(适用于Linux和Mac) - `conda list | findstr tensorflow`(适用于Windows) 4. 在命令行终端中,列出了所有包含“tensorflow”的安装包。查找名为“tensorflow”的包,以及它的版本号。版本号通常位于该行的第二列。 - 例如,可以看到类似于“tensorflow-2.0.0”或“tensorflow-gpu-2.0.0”的输出,其中“2.0.0”是tensorflow的版本号。 通过以上步骤,你可以在conda下轻松地查看自己tensorflow的版本。 ### 回答3: 在conda下查看自己的tensorflow版本可以通过以下几个步骤来完成。 首先,需要打开终端(若使用Windows系统,可以打开Anaconda Prompt或者其他终端工具)。 然后,输入以下命令来激活你正在使用的conda环境: ``` conda activate 环境名称 ``` 其中,"环境名称"是你要查看tensorflow版本的conda环境的名称。如果你没有设置特定的环境名称,默认的环境名称是"base"。 接下来,你可以输入以下命令来查看已安装的tensorflow版本: ``` conda list | grep tensorflow ``` 这个命令会列出在当前conda环境中安装的所有包,并在结果中筛选出包含"tensorflow"关键字的信息。 另一种方法是使用pip命令来查看tensorflow版本。在激活conda环境后,输入以下命令: ``` pip show tensorflow ``` 这个命令会显示tensorflow包的详细信息,包括版本号。 通过上述方法,你可以在conda下轻松地查看自己的tensorflow版本。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值