原文：http://makeoptim.com/deep-learning/tensorflow-metal

• 前言
• 系統(tǒng)要求
• 當(dāng)前不支持
• Xcode
• Command Line Tools
• Homebrew
• Miniforge
• 創(chuàng)建虛擬環(huán)境
• 安裝 Tensorflow dependencies
  • 首次安裝
  • 升級(jí)安裝
• 安裝 Tensorflow
• 安裝 metal plugin
• 安裝必須的包
• 測試
• JupyterLab
• VSCode
• 延伸閱讀
• 參考

前言

幾天前护桦，見到 https://github.com/apple/tensorflow_macos 已經(jīng) Archived，并在 README 中看到了 TensorFlow v2.5 原生支持了 M1。

You can now leverage Apple’s tensorflow-metal PluggableDevice in TensorFlow v2.5 for accelerated training on Mac GPUs directly with Metal. Learn more here.

本文作為Apple Silicon Mac M1 機(jī)器學(xué)習(xí)環(huán)境 (TensorFlow, JupyterLab, VSCode)的更新篇，為大家詳細(xì)介紹如何安裝最新支持 GPU 加速版本的 TensorFlow。

系統(tǒng)要求

• macOS 12.0+

當(dāng)前不支持

• 多 GPU 支持
• 英特爾 GPU 的加速
• V1 TensorFlow 網(wǎng)絡(luò)

Xcode

從 App Store 安裝 Xcode销斟。

image

Command Line Tools

從 Apple Developer 下載安裝 Xcode Command Line Tools 或者執(zhí)行以下命令。

catchzeng@m1 ~ % xcode-select --install

Homebrew

catchzeng@m1 ~ % /bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)"

Miniforge

Anaconda 無法在 M1 上運(yùn)行, Miniforge 是用來替代它的。

從 https://github.com/conda-forge/miniforge 下載 Miniforge3-MacOSX-arm64馁害。

image

執(zhí)行以下命令，安裝 Miniforge

catchzeng@m1 ~ % bash Miniforge3-MacOSX-arm64.sh

重啟終端并檢查 Python 安裝情況以故。

(base) catchzeng@m1 ~ % which python
/Users/catchzeng/miniforge3/bin/python
(base) catchzeng@m1 ~ % which pip
/Users/catchzeng/miniforge3/bin/pip

創(chuàng)建虛擬環(huán)境

創(chuàng)建一個(gè) conda 創(chuàng)建虛擬環(huán)境蜗细，這里使用 python 3.9.5 (TensorFlow 2.5 需要)。

(base) catchzeng@m1 ~ % conda create -n tensorflow python=3.9.5
(base) catchzeng@m1 ~ % conda activate tensorflow
(tensorflow) catchzeng@m1 ~ %

安裝 Tensorflow dependencies

首次安裝

(tensorflow) catchzeng@m1 ~ % conda install -c apple tensorflow-deps

注：tensorflow-deps 的版本是基于 TensorFlow 的怒详，因此可以根據(jù)自己的需求指定版本安裝：

v2.5

(tensorflow) catchzeng@m1 ~ % conda install -c apple tensorflow-deps==2.5.0

v2.6

(tensorflow) catchzeng@m1 ~ % conda install -c apple tensorflow-deps==2.6.0

升級(jí)安裝

如果之前已經(jīng)安裝了 v2.5炉媒，想要更新 v2.6 的，可以執(zhí)行以下命令安裝昆烁。

# 卸載已安裝的 tensorflow-macos 和 tensorflow-metal
(tensorflow) catchzeng@m1 ~ % python -m pip uninstall tensorflow-macos
(tensorflow) catchzeng@m1 ~ % python -m pip uninstall tensorflow-metal
# 升級(jí) tensorflow-deps
(tensorflow) catchzeng@m1 ~ % conda install -c apple tensorflow-deps --force-reinstall
# 后者指向特定的 conda 環(huán)境
(tensorflow) catchzeng@m1 ~ % conda install -c apple tensorflow-deps --force-reinstall -n tensorflow

安裝 Tensorflow

(tensorflow) catchzeng@m1 ~ % python -m pip install tensorflow-macos

安裝 metal plugin

(tensorflow) catchzeng@m1 ~ % python -m pip install tensorflow-metal

安裝必須的包

(tensorflow) catchzeng@m1 ~ % brew install libjpeg
(tensorflow) catchzeng@m1 ~ % conda install -y pandas matplotlib scikit-learn jupyterlab

注意: libjpeg 是 matplotlib 需要依賴的庫吊骤。

測試

TensorFlow

(tensorflow) catchzeng@m1 ~ % python
Python 3.9.5 | packaged by conda-forge | (default, Oct 19 2021, 17:32:20)
[Clang 11.1.0 ] on darwin
Type "help", "copyright", "credits" or "license" for more information.
>>> import tensorflow as tf
Init Plugin
Init Graph Optimizer
Init Kernel
>>> print(tf.__version__)
2.6.0
>>>

JupyterLab

(tensorflow) catchzeng@m1 ~ % jupyter lab

image

from tensorflow.keras import layers
from tensorflow.keras import models
model = models.Sequential()
model.add(layers.Conv2D(32, (3, 3), activation='relu', input_shape=(28, 28, 1)))
model.add(layers.MaxPooling2D((2, 2)))
model.add(layers.Conv2D(64, (3, 3), activation='relu'))
model.add(layers.MaxPooling2D((2, 2)))
model.add(layers.Conv2D(64, (3, 3), activation='relu'))
model.add(layers.Flatten())
model.add(layers.Dense(64, activation='relu'))
model.add(layers.Dense(10, activation='softmax'))
model.summary()

image

from tensorflow.keras.datasets import mnist
from tensorflow.keras.utils import to_categorical
(train_images, train_labels), (test_images, test_labels) = mnist.load_data()
train_images = train_images.reshape((60000, 28, 28, 1))
train_images = train_images.astype('float32') / 255
test_images = test_images.reshape((10000, 28, 28, 1))
test_images = test_images.astype('float32') / 255
train_labels = to_categorical(train_labels)
test_labels = to_categorical(test_labels)
model.compile(optimizer='rmsprop',
              loss='categorical_crossentropy',
              metrics=['accuracy'])
model.fit(train_images, train_labels, epochs=5, batch_size=64)
test_loss, test_acc = model.evaluate(test_images, test_labels)
test_acc

image

打開活動(dòng)監(jiān)視器，可以看到 Python 正在使用 GPU 資源静尼。

image

VSCode

安裝 Python 支持

image

選擇虛擬環(huán)境并信任 notebook

image

運(yùn)行 notebook

image

延伸閱讀

• Ubuntu 機(jī)器學(xué)習(xí)環(huán)境 (TensorFlow GPU, JupyterLab, VSCode)
• Mac 機(jī)器學(xué)習(xí)環(huán)境 (TensorFlow, JupyterLab, VSCode)
• Win10 機(jī)器學(xué)習(xí)環(huán)境 (TensorFlow GPU, JupyterLab, VSCode)
• Apple Silicon Mac M1 機(jī)器學(xué)習(xí)環(huán)境 (TensorFlow, JupyterLab, VSCode)

參考

• https://developer.apple.com/metal/tensorflow-plugin/