- 确定哪个TensorFlow要安装
- 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
- 用native pip安装
- 使用Docker进行安装
- 使用Anaconda进行安装
- 验证您的安装
- 常见的安装问题
- TensorFlow Python包的URL
- Protobuf pip软件包3.1
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
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:
|
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:
|
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:
|
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:
|
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 2.7pip3
,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:
|
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:
|
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:
|
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:
|
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:
|
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:
|
运行一个简短的TensorFlow程序
从你的shell调用python如下:
|
在python交互式shell中输入以下短程序:
|
如果系统输出以下内容,则可以开始编写TensorFlow程序:
|
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:
|
GPU支持:
|
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:
|
GPU支持:
|
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:
|
- 对于Python 3.n:
|
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:
|
赞成为第一个赞同者