在Mac OS X上安装TensorFlow

最新推荐文章于 2023-04-12 05:51:35 发布

weixin_34275734

最新推荐文章于 2023-04-12 05:51:35 发布

阅读量149

点赞数

文章标签：运维 shell python

原文链接：https://my.oschina.net/repine/blog/917403

版权

为什么80%的码农都做不了架构师？>>>

本指南介绍如何在Mac OS X上安装TensorFlow。

原文链接 : https://www.tensorflow.org/install/install_mac

译文链接 : http://www.apache.wiki/pages/viewpage.action?pageId=10029594

贡献者 : 片刻 ApacheCN Apache中文网

确定哪个TensorFlow要安装

您必须选择要安装的TensorFlow的类型。您的选择如下：

TensorFlow仅支持CPU支持。如果您的系统没有NVIDIACUDA®GPU，则应安装此版本。请注意，具有CPU支持的TensorFlow通常比具有GPU支持的TensorFlow更容易安装。因此，即使您有NVIDIA CUDA GPU，我们建议先安装此版本作为诊断步骤，以防您在安装具有GPU支持的TensorFlow时出现问题。
TensorFlow支持GPU。TensorFlow程序通常在GPU上比在CPU上运行得更快。因此，如果您的系统具有NVIDIA CUDA GPU满足以下所示的先决条件，并且需要运行性能关键型应用程序，则应最终安装此版本。

运行TensorFlow支持GPU的要求

如果您使用本指南介绍的机制之一来安装具有GPU支持的TensorFlow，则系统上必须安装以下NVIDIA软件：

CUDA工具包8.0。有关详细信息，请参阅 NVIDIA的文档。确保您将相关CUDA路径名附加到LD_LIBRARY_PATH环境变量中，如NVIDIA文档中所述。
与CUDA Toolkit 8.0相关的NVIDIA驱动程序。
cuDNN v5.1。有关详细信息，请参阅 NVIDIA的文档。确保CUDA_HOME按照NVIDIA文档中的描述创建环境变量。
具有CUDA Compute Capability 3.0或更高版本的GPU卡。有关支持的GPU卡的列表，请参阅NVIDIA文档。

如果您有较早版本的上述软件包，请升级到指定的版本。如果无法升级，您仍然可以运行支持GPU的TensorFlow，但只有当您同时执行以下操作时：

从源头安装TensorFlow，如这里所述。
至少安装或升级到以下NVIDIA版本：
- CUDA工具包7.0或更高版本
- cuDNN v3以上
- 具有CUDA Compute Capability 3.0或更高版本的GPU卡。

确定如何安装TensorFlow

您必须选择安装TensorFlow的机制。支持的选择如下：

virtualenv
"native" pip
Docker
源码安装，这是专家，并在单独的指南中记录。

我们建议使用virtualenv安装。 Virtualenv 是与其他Python开发隔离的虚拟Python环境，不能在同一台机器上干扰或受到其他Python程序的影响。在virtualenv安装过程中，您将不仅安装TensorFlow，还可以安装TensorFlow所需的所有软件包。（这实际上很简单。）要开始使用TensorFlow，只需要“激活”虚拟环境。总而言之，virtualenv为安装和运行TensorFlow提供了一个安全可靠的机制。

Native pip直接在您的系统上安装TensorFlow，而不需要通过任何容器或虚拟环境系统。由于本地点安装不被关闭，点安装可能会干扰或受到系统上其他基于Python的安装的影响。此外，您可能需要禁用系统完整性保护（SIP）才能通过本机点安装。但是，如果您了解SIP，pip和您的Python环境，则本地点安装相对容易执行。

Docker将TensorFlow安装与机器上预先存在的包完全隔离。Docker容器包含TensorFlow及其所有依赖项。请注意，Docker图像可能相当大（数百MB）。如果您将TensorFlow集成到已经使用Docker的较大应用程序架构中，则可以选择Docker安装。

重要提示：Docker目前不支持在Mac OS上支持GPU的TensorFlow; 也就是说，在Mac OS上，Docker只支持具有CPU支持的TensorFlow。

在Anaconda中，您可以使用conda创建虚拟环境。但是，在Anaconda内，我们建议使用pip install命令安装TensorFlow ，而不是使用该conda install命令。

注意： conda包是社区支持的，没有正式支持。也就是说，TensorFlow团队既不测试也不维护公寓套餐。使用该包，您自己承担风险。

使用virtualenv进行安装

采取以下步骤安装TensFlow与Virtualenv：

启动一个终端（一个shell）。您将执行此shell中的所有后续步骤。
通过发出以下命令来安装pip和virtualenv：

$ sudo easy_install pip

$ sudo pip install --upgrade virtualenv
通过发出以下格式之一的命令来创建一个virtualenv环境：

$ virtualenv --system-site-packages targetDirectory＃for Python 2.7

$ virtualenv --system-site-packages -p python3 targetDirectory＃for Python 3.n
```
该targetdirectory中标识的virtualenv树的顶端。我们的说明假定targetDirectory 是~/tensorflow，但您可以选择任何目录。
```
通过发出以下命令之一激活virtualenv环境：

$ source〜/ tensorflow / bin / activate ＃如果使用bash，sh，ksh或zsh

$ source〜/ tensorflow / bin / activate.csh ＃如果使用csh或tcsh

上述source命令应将您的提示更改为以下内容：

（tensorflow）$

如果系统上安装了pip版本8.1或更高版本，请发出以下命令之一以将TensorFlow和TensorFlow所需的所有软件包安装到活动的Virtualenv环境中：

$ pip install --upgrade tensorflow ＃for Python 2.7

$ pip3 install --upgrade tensorflow ＃for Python 3.n

$ pip install --upgrade tensorflow-gpu ＃for Python 2.7和GPU

$ pip3 install --upgrade tensorflow-gpu ＃for Python 3.n和GPU

如果上述命令成功，请跳过步骤6.如果失败，请执行步骤6。

可选的。如果步骤5失败（通常是因为您调用低于8.1的pip版本），请通过发出以下格式的命令在活动的virtualenv环境中安装TensorFlow：

$ pip install --upgrade TF_BINARY_URL ＃Python 2.7

$ pip3 install --upgrade TF_BINARY_URL ＃Python 3.n

其中TF_BINARY_URL标识TensorFlow Python包的URL。与适当值 TF_BINARY_URL取决于操作系统，Python版本，并支持GPU上。找到相应的值 TF_BINARY_URL为您的系统在这里。例如，如果要安装适用于Mac OS X，Python 2.7和仅支持CPU的TensorFlow，则在活动的Virtualenv中安装TensorFlow的命令如下所示：

$ pip3 install --upgrade \ https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-1.1.0-py2-none-any.whl

如果遇到安装问题，请参阅常见安装问题。

下一步

安装TensorFlow后，验证您的安装以确认安装是否正常工作。

请注意，每次在新的shell中使用TensorFlow时，必须激活virtualenv环境。如果virtualenv环境当前未处于活动状态（即不提示）(tensorflow)，请调用以下命令之一：

$ source〜/ tensorflow / bin / activate ＃bash，sh，ksh或zsh

$ source〜/ tensorflow / bin / activate.csh ＃csh或tcsh

您的提示将转换为以下内容，表示您的张量流环境处于活动状态：

（tensorflow）$

当virtualenv环境处于活动状态时，您可以从此shell运行TensorFlow程序。

使用TensorFlow完成后，您可以通过发出以下命令来停用环境：

(tensorflow)$ deactivate

提示将恢复为默认提示符（由定义PS1）。

卸载TensorFlow

如果要卸载TensorFlow，只需删除您创建的树。例如：

$ rm -r〜/ tensorflow

用native pip安装

我们已将TensorFlow二进制文件上传到PyPI。因此，您可以通过pip安装TensorFlow。

setup.py的 REQUIRED_PACKAGES部分列出了pip将安装或升级的软件包。

先决条件：Python

为了安装TensorFlow，您的系统必须包含以下Python版本之一：

Python 2.7
Python 3.3+

如果您的系统尚未具有以前的一个Python版本，请立即安装。

安装Python时，您可能需要禁用系统完整性保护（SIP），以允许Mac App Store以外的其他实体安装软件。

先决条件：pip

Pip安装和管理用Python编写的软件包。如果您打算使用本机点安装，则必须在系统上安装以下口味之一：

pip， 对于Python 2.7
pip3，对于Python 3.n.

pip或者pip3安装Python时可能安装在您的系统上。要确定pip或pip3是否实际安装在系统上，请执行以下命令之一：

$ pip -V ＃for Python 2.7

$ pip3 -V ＃for Python 3.n

我们强烈建议您使用pip或pip3版本8.1或更高版本，以安装TensorFlow。如果未安装pip或pip3 8.1或更高版本，请执行以下命令进行安装或升级：

$ sudo easy_install --upgrade pip

$ sudo easy_install --upgrade six

安装TensorFlow

假设您的Mac上安装了必备软件，请执行以下步骤：

通过调用以下命令之一安装TensorFlow ：

$ pip install tensorflow ＃Python 2.7; CPU支持（无GPU支持）

$ pip3 install tensorflow ＃Python 3.n; CPU支持（无GPU支持）

$ pip install tensorflow-gpu ＃Python 2.7; GPU支持

$ pip3 install tensorflow-gpu ＃Python 3.n; GPU支持

如果上述命令运行完毕，则应该验证安装。

（可选）如果步骤1失败，请通过发出以下格式的命令安装最新版本的TensorFlow：

$ sudo pip install --upgrade TF_BINARY_URL ＃Python 2.7

$ sudo pip3 install --upgrade TF_BINARY_URL ＃Python 3.n

其中TF_BINARY_URL标识TensorFlow Python包的URL。与适当值TF_BINARY_URL取决于操作系统，Python版本，并支持GPU上。找到相应的值TF_BINARY_URL 这里。例如，如果要安装适用于Mac OS，Python 2.7和仅支持CPU的TensorFlow，请发出以下命令：

$ sudo pip3 install --upgrade \ https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-1.1.0-py2-none-any.whl

如果上述命令失败，请参阅常见安装问题。

下一步

安装TensorFlow后，验证您的安装以确认安装是否正常工作。

卸载TensorFlow

要卸载TensorFlow，请发出以下命令之一：

$ pip uninstall tensorflow

$ pip3 uninstall tensorflow

使用Docker进行安装

按照以下步骤通过Docker安装TensorFlow。

作为描述你的机器上安装泊坞窗泊坞文档。
启动包含TensorFlow二进制映像之一的Docker容器。

本节的其余部分将介绍如何启动Docker容器。

注意：您只能启动具有CPU支持的Docker容器。（Docker在Mac OS上不提供GPU支持）

要启动保存TensorFlow二进制映像的Docker容器，请输入以下格式的命令：

$ docker run -it -p hostPort:containerPort TensorFlowImage

哪里：

-p hostPort：containerPort是可选的。如果要从shell运行TensorFlow程序，请忽略此选项。如果要从Jupyter笔记本运行TensorFlow程序，请将hostPort和containerPort设置为8888。如果要在容器内运行TensorBoard，请添加第二个-p标志，将hostPort和containerPort设置为6006。
需要TensorFlowImage。它标识了Docker容器。您必须指定以下值之一：
- gcr.io/tensorflow/tensorflow：TensorFlow二进制图像。
- gcr.io/tensorflow/tensorflow:latest-devel：TensorFlow二进制图像加源代码。

gcr.io是Google容器注册表。请注意，某些TensorFlow图片也可以在 dockerhub。

例如，以下命令在Docker容器中启动TensorFlow CPU二进制映像，您可以在其中运行Shell中的TensorFlow程序：

$ docker run -it gcr.io/tensorflow/tensorflow bash

以下命令还在Docker容器中启动TensorFlow CPU二进制映像。但是，在这个Docker容器中，您可以在Jupyter笔记本中运行TensorFlow程序：

$ docker run -it -p 8888:8888 gcr.io/tensorflow/tensorflow

Docker将首次下载TensorFlow二进制图像。

下一步

您现在应该验证您的安装。

使用Anaconda进行安装

Anaconda安装是社区支持的，没有正式支持。

采取以下步骤在Anaconda环境中安装TensorFlow：

按照 Anaconda下载网站上的说明下载并安装Anaconda。
创建一个tensorflow 通过调用以下命令命名的conda环境：

$ conda create -n tensorflow
通过发出以下命令激活conda环境：

$ source activate tensorflow

（tensorflow）$＃你的提示应该改变
发出以下格式的命令，以在您的公共环境中安装TensorFlow：

(tensorflow)$ pip install --ignore-installed --upgrade $TF_PYTHON_URL
```
这里TF_PYTHON_URL是 在TensorFlow Python包的URL。例如，以下命令将安装仅适用于Python 2.7的仅限于CPU的版本的TensorFlow：
```
(tensorflow)$ pip install --ignore-installed --upgrade \

https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-1.1.0-py2-none-any.whl

验证您的安装

要验证您的TensorFlow安装，请执行以下操作：

确保您的环境准备运行TensorFlow程序。
运行一个简短的TensorFlow程序。

准备你的环境

如果您安装在native pip，virtualenv或Anaconda上，请执行以下操作：

启动一个终端
如果您安装了virtualenv或Anaconda，请激活您的容器。
如果您安装了TensorFlow源代码，请导航到除 TensorFlow源代码之外的任何目录。

如果您通过Docker安装，请启动运行bash的Docker容器。例如：

$ docker run -it gcr.io/tensorflow/tensorflow bash

运行一个简短的TensorFlow程序

从你的shell调用python如下：

$ python

在python交互式shell中输入以下短程序：

>>> import tensorflow as tf

>>> hello = tf.constant('Hello, TensorFlow!')

>>> sess = tf.Session()

>>> print(sess.run(hello))

如果系统输出以下内容，则可以开始编写TensorFlow程序：

Hello, TensorFlow!

如果您是TensorFlow的新手，请参阅 TensorFlow入门。

如果系统输出错误信息而不是问候，请参阅常见的安装问题。

常见的安装问题

我们依靠堆栈溢出来记录TensorFlow安装问题及其补救措施。下表包含一些常见安装问题的Stack Overflow答案的链接。如果您遇到下表中未列出的错误消息或其他安装问题，请在堆栈溢出中进行搜索。如果Stack Overflow没有显示错误消息，请在Stack Overflow上提出一个新问题，并指定tensorflow标签。

堆栈溢出链接	错误信息
36159194	ImportError: libcudart.so.Version: cannot open shared object file: No such file or directory
41991101	ImportError: libcudnn.Version: cannot open shared object file: No such file or directory
42006320	ImportError: Traceback (most recent call last): File ".../tensorflow/core/framework/graph_pb2.py", line 6, in from google.protobuf import descriptor as _descriptor ImportError: cannot import name 'descriptor'
33623453	IOError: [Errno 2] No such file or directory: '/tmp/pip-o6Tpui-build/setup.py'
35190574	SSLError: [SSL: CERTIFICATE_VERIFY_FAILED] certificate verify failed
42009190	Installing collected packages: setuptools, protobuf, wheel, numpy, tensorflow Found existing installation: setuptools 1.1.6 Uninstalling setuptools-1.1.6: Exception: ... [Errno 1] Operation not permitted: '/tmp/pip-a1DXRT-uninstall/.../lib/python/_markerlib'
33622019	ImportError: No module named copyreg
37810228	During a pip install operation, the system returns: OSError: [Errno 1] Operation not permitted
33622842	An import tensorflow statement triggers an error such as the following: Traceback (most recent call last): File "", line 1, in File "/usr/local/lib/python2.7/site-packages/tensorflow/__init__.py", line 4, in from tensorflow.python import * ... File "/usr/local/lib/python2.7/site-packages/tensorflow/core/framework/tensor_shape_pb2.py", line 22, in serialized_pb=_b('\n,tensorflow/core/framework/tensor_shape.proto\x12\ntensorflow\"d\n\x10TensorShapeProto\x12-\n\x03\x64im\x18\x02 \x03(\x0b\x32 .tensorflow.TensorShapeProto.Dim\x1a!\n\x03\x44im\x12\x0c\n\x04size\x18\x01 \x01(\x03\x12\x0c\n\x04name\x18\x02 \x01(\tb\x06proto3') TypeError: __init__() got an unexpected keyword argument 'syntax'
42073336	An import tensorflow statement triggers the following error: >>> import tensorflow as tf I tensorflow/stream_executor/dso_loader.cc:108] successfully opened CUDA library libcublas.dylib locally I tensorflow/stream_executor/dso_loader.cc:108] successfully opened CUDA library libcudnn.dylib locally I tensorflow/stream_executor/dso_loader.cc:108] successfully opened CUDA library libcufft.dylib locally "import tensorflow" terminated by signal SIGSEGV (Address boundary error)
42075397	A pip install command triggers the following error: ... You have not agreed to the Xcode license agreements, please run 'xcodebuild -license' (for user-level acceptance) or 'sudo xcodebuild -license' (for system-wide acceptance) from within a Terminal window to review and agree to the Xcode license agreements. ... File "numpy/core/setup.py", line 653, in get_mathlib_info raise RuntimeError("Broken toolchain: cannot link a simple C program") RuntimeError: Broken toolchain: cannot link a simple C program

TensorFlow Python包的URL

一些安装机制需要TensorFlow Python包的URL。您指定的值取决于三个因素：

操作系统
Python版本
仅CPU与GPU支持

本节介绍Mac OS安装的相关值。

Python 2.7

仅CPU：

https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-1.1.0-py2-none-any.whl

GPU支持：

https://storage.googleapis.com/tensorflow/mac/gpu/tensorflow_gpu-1.1.0-py2-none-any.whl

需要CUDA工具包8.0和CuDNN v5。有关其他版本，请参阅 从源安装TensorFlow。

Python 3.4,3.5或3.6

仅CPU：

https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-1.1.0-py3-none-any.whl

GPU支持：

https://storage.googleapis.com/tensorflow/mac/gpu/tensorflow_gpu-1.1.0-py3-none-any.whl

需要CUDA工具包8.0和CuDNN v5。有关其他版本，请参阅 从源安装TensorFlow。

Protobuf pip软件包3.1

您可以跳过此部分，除非您看到与protobuf pip软件包相关的问题。

注意：如果您的TensorFlow程序运行缓慢，您可能会遇到与protobuf pip软件包相关的问题。

TensorFlow pip软件包取决于protobuf pip软件包版本3.1。从PyPI下载的protobuf pip软件包（在调用 pip install protobuf时）是一个仅包含Python的库，其中包含可执行比C ++实现慢10倍 - 50倍的原始序列化/反序列化的Python 实现。Protobuf还支持包含基于快速C ++的原语解析的Python包的二进制扩展。此扩展在标准的仅Python专用pip包中不可用。我们为protobuf创建了一个包含二进制扩展名的自定义二进制pip包。要安装自定义二进制protobuf pip包，请调用以下命令之一：

对于Python 2.7：

$ pip install --upgrade \

https://storage.googleapis.com/tensorflow/linux/cpu/protobuf-3.1.0-cp27-none-linux_x86_64.whl

对于Python 3.n：

$ pip3 install --upgrade \

https://storage.googleapis.com/tensorflow/linux/cpu/protobuf-3.1.0-cp35-none-linux_x86_64.whl

安装此protobuf软件包将覆盖现有的protobuf软件包。请注意，binary pip软件包已经支持大于64MB的protobufs，应该修复以下错误：

[libprotobuf ERROR google/protobuf/src/google/protobuf/io/coded_stream.cc:207]

A protocol message was rejected because it was too big (more than 67108864 bytes).

To increase the limit (or to disable these warnings), see

CodedInputStream::SetTotalBytesLimit() in google/protobuf/io/coded_stream.h.

赞成为第一个赞同者

转载于:https://my.oschina.net/repine/blog/917403

weixin_34275734

关注

0
点赞
踩
1

收藏

觉得还不错? 一键收藏
0
评论
在Mac OS X上安装TensorFlow

为什么80%的码农都做不了架构师？>>> ...
复制链接

扫一扫

在Mac OS X上安装TensorFlow

确定哪个TensorFlow要安装

运行TensorFlow支持GPU的要求

确定如何安装TensorFlow

重要提示：Docker目前不支持在Mac OS上支持GPU的TensorFlow; 也就是说，在Mac OS上，Docker只支持具有CPU支持的TensorFlow。

使用virtualenv进行安装

下一步

卸载TensorFlow

用native pip安装

先决条件：Python

先决条件：pip

安装TensorFlow

下一步

卸载TensorFlow

使用Docker进行安装

下一步

使用Anaconda进行安装

验证您的安装

准备你的环境

运行一个简短的TensorFlow程序

常见的安装问题

TensorFlow Python包的URL

Python 2.7

Python 3.4,3.5或3.6

Protobuf pip软件包3.1

“相关推荐”对你有帮助么？