【机器学习】hello tensorflow:安装TensorFlow(on mac m3)、tensorflow集成到idea、第一个tensorflow程序(以及tf2适配版本tf1)

这篇具有很好参考价值的文章主要介绍了【机器学习】hello tensorflow:安装TensorFlow(on mac m3)、tensorflow集成到idea、第一个tensorflow程序(以及tf2适配版本tf1)。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

一. 安装Tensorflow

1. 安装miniforge3

需要miniforge3,如以前环境较乱,最好是删除自己装过的miniforge3环境重装。

1.1. 删除已有环境

    cd ~
    rm -rf ~/miniforge3
    rm -rf .conda
    rm -rf .condarc

完成后,进入 .zshrc ,gg 将末端配置 miniforge3 的 PATH 配置删除。

 

1.2. 下载 Miniforge3_MacOS_ARM64 选择 Miniforge3-MacOSX-arm64

miniforge download
mac m3 安装tf,机器学习,机器学习,tensorflow,macos

chmod +x ~/Miniforge3-MacOSX-arm64.sh
sh ~/Miniforge3-MacOSX-arm64.sh
source ~/miniforge3/bin/activate

conda --version
#conda 23.3.1
  1. 按提示装, 并确保.bash_profile文件配置了miniforge3的 – 这步我没操作,也没有什么影响
  2. 安装路径一定要在~/miniforge3, 不然可能有权限问题
vim ~/.bash_profile
export PATH="/{user_home}/miniforge3/bin:$PATH"

source $HOME/.bash_profile

 

1.3. 创建一个conda环境

    # 3.8和3.9都可以,pytorch需要3.9, 我这里安装了3.9版本
    conda create -n tf26 python==3.9
    conda create -n tf26 python==3.8

完成以上的准备后,才正式开始安装tensorflow,可安装tensorflow2.5/2.6,并且不需要再去github下载安装包。
 

2. 安装Tensorflow

Tensorflow需要安装的三个包是tensorflow-deps、tensorflow-macos、tensorflow-metal。其中前两个是必须的,tensorflow-metal是让tensorflow能用上Apple Silicon芯片的GPU。

一个官网都没告诉你的关键来了,这三个包必须严格安装对应的版本!具体的版本要关注官方安装文档最后的Releases表格。比如说,目前正式发布的tensorflow-macos是v2.9,那么同步安装的tensorflow-deps必须是v2.9、tensorflow-metal必须是v0.5.0,否则后面运行过程会报错失败。

详细步骤参考: apple开发者官网

mac m3 安装tf,机器学习,机器学习,tensorflow,macos

2.1. 切换到自己的conda环境

conda activate tf26

 
2.2. 安装tensorflow

未安装过的安装tensorflow依赖包,安装过的需要卸载旧版。这里我没有安装过,所以继续往下走:

 # 指定定版本安装   
conda install -c apple tensorflow-deps==2.6.0 

 
2.3. 安装tensorflow

# 会有个报错, 自己安装下 pip install torch     然后再重新执行一遍 
python -m pip install tensorflow-macos

 
2.4. 安装tensorflow-metal

python -m pip install tensorflow-metal 

 

3. 测试

进入python终端查看是否能导入tensorflow

python

>>> import tensorflow as tf
>>> tf.version
<module 'tensorflow._api.v2.version' from '/Users/lianggao/miniforge3/envs/tf/lib/python3.10/site-packages/tensorflow/_api/v2/version/__init__.py'>

参考:
https://zhuanlan.zhihu.com/p/474212619
https://www.readern.com/install-tensorflow-on-apple-silicon-macbook.html

 

二. TensorFlow集成到idea

1.创建一个python项目,或新的python模块
mac m3 安装tf,机器学习,机器学习,tensorflow,macos
2.添加interpreter
指定miniforge3的pyhthon位置
mac m3 安装tf,机器学习,机器学习,tensorflow,macos

3.创建模块
mac m3 安装tf,机器学习,机器学习,tensorflow,macos

 

三. 第一个tensorflow程序

import tensorflow as tf
 
# helloworld 使用 TensorFlow 创建一个常量 op,这个 op 作为节点被添加到默认图。
# 这个值被创建者返回并显示在输出中。

 
hello = tf.constant('Hello, TensorFlow!')
 
# Start tf session
sess = tf.Session()
 
# Run the op
print(sess.run(hello))

报错1

Traceback (most recent call last):
  File "/Users/lianggao/MyWorkSpace/001-360/001project-360/py_practise/tensflow-demo/tensflow_2.py", line 10, in <module>
    sess = tf.Session()
AttributeError: module 'tensorflow' has no attribute 'Session'. Did you mean: 'version'?

原因是:我们引用的TensorFlow2.0版本,此版本与1.0相比没有模块Session。

这样修改:

sess = tf.Session()
#====>
sess = tf.compat.v1.Session()

 
报错2:

  File "/Users/lianggao/miniforge3/lib/python3.10/site-packages/tensorflow/python/client/session.py", line 1118, in _run
    raise RuntimeError('The Session graph is empty. Add operations to the '
RuntimeError: The Session graph is empty. Add operations to the graph before calling run().

问题产生的原因:无法执行sess.run()的原因是tensorflow版本不同导致的,tensorflow版本2.0无法兼容版本1.0.文章来源地址https://www.toymoban.com/news/detail-836924.html

import tensorflow as tf

tf.compat.v1.disable_eager_execution()
hello = tf.constant('Hello, TensorFlow!')

# Start tf session
sess = tf.compat.v1.Session()

# Run the op
print(sess.run(hello))

输出
---
b'Hello, TensorFlow!'
---

到了这里,关于【机器学习】hello tensorflow:安装TensorFlow(on mac m3)、tensorflow集成到idea、第一个tensorflow程序(以及tf2适配版本tf1)的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 机器学习9:使用 TensorFlow 进行特征组合编程实践

    在【机器学习6】这篇文章中,笔者已经介绍过环境准备相关事项,本文对此不再赘述。本文将通过编程案例来探索特征组合(Feature Crosses)对模型训练的影响,加深对上一篇文章(机器学习8)的理解。 经度和纬度可以作为独立特征训练模型以预测当地房价。同时,我们也可

    2024年02月11日
    浏览(40)
  • 机器学习6:使用 TensorFlow 的训练线性回归模型

    纸上得来终觉浅,绝知此事要躬行。前面 5 篇文章介绍了机器学习相关的部分基础知识,在本章,笔者将讲解基于 TensorFlow 实现一个简单的线性回归模型,以便增强读者对机器学习的体感。 目录 1.环境准备 1.1 安装 Python3 1.2 安装 PyCharm 1.3 安装 TensorFlow 1.4 安装 pandas

    2024年02月11日
    浏览(41)
  • 机器学习分布式框架ray运行TensorFlow实例

    使用Ray来实现TensorFlow的训练是一种并行化和分布式的方法,它可以有效地加速大规模数据集上的深度学习模型的训练过程。Ray是一个高性能、分布式计算框架,可以在集群上进行任务并行化和数据并行化,从而提高训练速度和可扩展性。 以下是实现TensorFlow训练的概括性描述

    2024年02月15日
    浏览(52)
  • 机器学习16:使用 TensorFlow 进行神经网络编程练习

    在【机器学习15】中,笔者介绍了神经网络的基本原理。在本篇中,我们使用 TensorFlow 来训练、验证神经网络模型,并探索不同 “层数+节点数” 对模型预测效果的影响,以便读者对神经网络模型有一个更加直观的认识。 目录 1.导入依赖模块 2.加载数据集 3.表示数据

    2024年02月12日
    浏览(40)
  • Mac M1安装Miniconda+支持GPU的TensorFlow和PyTorch

    电脑系统:MacBook Pro M1 + Mac Ventura 13.5 安装:Miniconda + tensorflow-macos-2.13.0 + torch-2.0.1 Miniconda是Anaconda的轻量化版本,如果想要节省硬盘存储空间,可以考虑安装Miniconda而非Anaconda。但是Anaconda具有一个可视化界面且预安装的包比较全(有些包我们可能一辈子都不会用到嘿嘿),

    2024年02月03日
    浏览(80)
  • mac m1,m2 安装 提供GPU支持的pytorch和tensorflow

    mac m1 刚出的时候,各种支持都不完善。那时候要使用conda,只能选择miniconda。几年过去了,各种主流软件对mac m1,m2的支持都已经非常完善了。 比如Pytorch,正如官网所写: In collaboration with the Metal engineering team at Apple, we are excited to announce support for GPU-accelerated PyTorch training on

    2024年01月16日
    浏览(57)
  • 机器学习30:《推荐系统-III》使用 TensorFlow 构建电影推荐系统

    本文将介绍基于 MovieLens 数据集创建一个电影推荐系统的方法。具体而言,包括探索电影数据,训练矩阵分解模型,检查嵌入,矩阵分解中的正则化,Softmax 模型训练等内容。 目录 1.准备工作 1.1 导入依赖模块 1.2 加载数据 1.3 探索电影镜头数据

    2024年02月16日
    浏览(49)
  • 苹果mac m1,m2芯片安装 pytorch和tensorflow的GPU版本

    1.安装 Xcode 2.创建环境 3.打开pytorch官网复制命令, 注意:在mac m上,device是’mps’ 而不是’cuda’, mac的MPS支持MacOS 12.3+  4.测试 1.安装 Xcode 2.创建环境 3. 安装conda install -c apple tensorflow-deps  4.Install base TensorFlow 5.  Install tensorflow-metal plug-in  6.验证 7.完成,附上我安装完pytorch和

    2024年02月13日
    浏览(62)
  • 【tensorflow&flutter&web】机器学习模型怎样用到前端上(未写完)

            在上一章 我们谈了怎么根据项目需求构建一个简单的机器学习模型。      ​​​​​​ ​​​​​​【tensorflowflutter】自己写个机器学习模型用在项目上?-CSDN博客 文章浏览阅读852次,点赞22次,收藏15次。【tensorflowflutter】自己写个机器学习模型用在项目上?

    2024年01月24日
    浏览(47)
  • 机器学习笔记 - 使用 Tensorflow 从头开始​​构建您自己的对象检测器

            之前的文章是利用了VGG16的预训练模型,然后构造完全连接的层标头以输出预测的边界框坐标,但是不包含对象标签的分类。 机器学习笔记 - 使用Keras、TensorFlow框架进行自定义数据集目标检测训练_keras 制作 目标检测 数据集_坐望云起的博客-CSDN博客 学习如何训练自定

    2024年02月14日
    浏览(46)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包