mac云显卡服务器_终于在两台Mac上配置好了Tensorflow GPU

image.png

Mac 相比Windows 有好多优点，同时又是基于Unix 的所以对科研相当友好，但是最大的缺点就是非常封闭，各种沙盒安全机制，这就导致了除了官方的显卡，其他的显卡支持相当的差，也许正是这个原因，Google官方也就放弃了Tensorflow GPU 版本对Mac的后续支持。

当然啦，这也挡不住爱折腾的人们前赴后继的让自己的Mac和hackintosh(黑苹果)的GPU上跑上Tensorflow。

什么？你不知道Tensorflow 是什么？自行Google吧，不过简单说一下，Tensoflow 是Google针对深度学习开发的开发框架，而GPU版本是能让深度学习在GPU上运行从而大大提高计算速度。

这里特别感谢一下这篇博客的作者，之前的Macbook pro上尝试了各种方法均以失败告终。当然我自己在安装的过程中也发现了其他问题，结合这篇文章中提到的遇到各种错误的解决方法，最终是成功了。

安装步骤在推荐的博文中写得非常详尽了，我就不再赘述了，但是有几个关键的点需要提到。

1、安装HomeBrew的组件，HomeBrew是Mac下的软件包管理系统，大大简化了安装组件的流程。安装库包和组件一个命令就解决了。

2、安装Cuda，(Compute Unified Device Architecture，统一计算架构)是英伟达为开发的以实现显卡上的并行计算，这是能让Tensorflow 在GPU上跑起来的关键。

3、安装cuDNN, NVIDIA CUDA® Deep Neural Network library (cuDNN) 是英伟达为深度学习开发的库。

当然还有xcode Command line Tool的支持以及我在上篇博文中提到的的.bash_profile 的配置也是非常关键。

好了，机器配置好了，跑一下深度学习的代码来对比一下，我说过我现在有两台Mac，一个是2012年的Macbook Pro用的是GT650M显卡，一个是刚刚装好黑苹果的PC用的是GTX1070。

image.png

上面这三张图是分别用PC的CPU，PC的GPU和Macbook Pro的GPU跑同一个深度学习的用时结果，可以看到PC上GPU的速度是CPU的200到500倍，即便是在6年前的笔记本GPU上计算也能比PC的CPU快5到10倍。

折腾了两天，希望这两台机器能够在今后的工作学习中发挥出巨大的作用。

相关文章

文章首发steemit.com 为了方便墙内阅读，搬运至此，欢迎在此留言，或者访问我的Steemit主页