MacOS M2:配置Tensorflow-GPU版

这篇具有很好参考价值的文章主要介绍了MacOS M2:配置Tensorflow-GPU版。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。

本文主要介绍MacOS 12.x系统下的Tensorflow配置。总的来说,配置Mac版本的Tensorflow只需要三步:第一步配置一个虚拟环境,建议选择miniconda;第二步创建conda环境;第三步安装Tensorflow。

1、安装 Miniconda

1.1 彻底删除anaconda

(1)下载  anaconda-clean   用于删除相关配置文件


##  在终端中输入:
conda install anaconda-clean
anaconda-clean --yes

2)删除anaconda、miniconda、miniforge所在文件夹

##  在终端中输入:
rm -rf ~/anaconda3
rm -rf ~/opt/anaconda3
rm -rf ~/miniforge3
rm -rf ~/miniconda3
rm -rf .conda
rm -rf .condarc

3)打开 .bash_profile  ,删除anaconda路径

#  vim打开环境配置
vim .bash_profile
#  运行后找到下面这行代码,在代码前输入dd删除
#  export PATH="/Users/your_username/anaconda3/bin:$PATH"

1.2 安装Miniconda

去miniconda官网选择下载,默认路径。https://docs.conda.io/en/latest/miniconda.html 


 

fast-whisper在m2上使用gpu运行,macos,tensorflow,人工智能

 

2、配置环境

2.1 创建虚拟环境

在Miniconda3中创建环境,存放在Miniconda3的env文件夹中

# 在终端中输入:
conda create -n ***** python=3.9
# *****为你给这个配置环境的命名

2.2 激活虚拟环境


#  在终端中输入:
conda activate *****
#  然后关闭终端,重新打开终端

2.3 miniconda相关操作代码

查看当前系统下的环境:conda info -e
查看conda版本:conda -V
查看所有已经安装的包:conda list
创建新的虚拟环境:conda create -n **** python=3.9   (****为虚拟环境名称)
安装包:  conda install ****      (****为包名称)
切换虚拟环境:conda activate ****   (****为虚拟环境名称)
退出环境:conda deactivate
删除某个虚拟环境:conda remove -n **** --all  (****为虚拟环境名称)

3、配置Tensorflow-macos

3.1 安装依赖包 tensorflow-deps 

如果不装这个包,后续将无法成功安装的Tensorflow包

conda install -c apple tensorflow-deps

3.2 配置 Tensorflow 及 jupyter notebook

注意:这一步以及后续的packages都是在虚拟环境 ***** 当中安装

conda activate *****
##  *****为你给这个配置环境的命名
###  1.安装 tensorflow-macos,指定版本2.9,新版本暂时不能调用GPU
python -m pip install tensorflow-macos==2.9.0 -i https://pypi.tuna.tsinghua.edu.cn/simple/

##  若下载出错则需要先下载torch,之后重新下载tensorflow-macos
#  pip install torch -i https://pypi.tuna.tsinghua.edu.cn/simple/

###  2.安装Apple官方维护的 tensorflow-metal
python -m pip install tensorflow-metal==0.5.0 -i https://pypi.tuna.tsinghua.edu.cn/simple/

##  3.安装jupyter等工具包
conda install jupyter jupyterlab pandas matplotlib numpy

4、测试 Tensorflow-macos

4.1 新版本packages的bug及解决办法

刚开始我是照着Apple官网安装了最新的packages,后来发现无法调用GPU加速而一直报错,但是使用CPU的话程序正常运行,说明问题出在packages上:

 tensorflow/core/framework/op_kernel.cc:1830] OP_REQUIRES failed at xla_ops.cc:418 : NOT_FOUND: could not find registered platform with id: 

最后在Apple的反馈平台中找到了答案:装回旧版包 

tensorflow-macos==2.9 ; 

tensorflow-metal==0.5.0 ; 

4.2 运行 Tensorflow-macos

import numpy as np
import tensorflow as tf

x = np.random.random((10000, 5))
y = np.random.random((10000, 2))
x2 = np.random.random((2000, 5)
y2 = np.random.random((2000, 2))

inp = tf.keras.layers.Input(shape = (5,))
l1 = tf.keras.layers.Dense(256, activation = 'sigmoid')(inp)
l1 = tf.keras.layers.Dense(256, activation = 'sigmoid')(l1)
l1 = tf.keras.layers.Dense(256, activation = 'sigmoid')(l1)
l1 = tf.keras.layers.Dense(256, activation = 'sigmoid')(l1)
l1 = tf.keras.layers.Dense(256, activation = 'sigmoid')(l1)
o = tf.keras.layers.Dense(2, activation = 'sigmoid')(l1)
model = tf.keras.models.Model(inputs = [inp], outputs = [o])
model.compile(optimizer = "Adam", loss = "mse")

参考文献

[1] Apple官方-Tensorflow安装教程

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

[2] Apple Developer Forums - tensorflow-metal 

https://developer.apple.com/forums/tags/tensorflow-metal

[3] 【客官投稿】MAC M1芯片上如何快速安装TensorFlow?

https://mp.weixin.qq.com/s/EBnX-h4UqGV9KBJJ43f2tA文章来源地址https://www.toymoban.com/news/detail-849994.html

到了这里,关于MacOS M2:配置Tensorflow-GPU版的文章就介绍完了。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

  • Windows安装tensorflow-gpu(1050Ti,cuda11.6,cuDNN7.6.5,python3.6,tensorflow-gpu2.3.0)

    参考:https://blog.csdn.net/qq_43215538/article/details/123852028 首先查看本机GPU对应的cuda版本,如下图所示,本机cuda版本为11.6,后面选择的cuda版本不要超过这里的版本就好。 https://developer.nvidia.com/cuda-toolkit-archive选择相应的cudatoolkit版本下载,如这里选择版本一定要注意,因为cuda版本

    2023年04月08日
    浏览(46)
  • win10 安装 tensorflow-gpu 2.10.0

    系统配置 系统 win10 x64 显卡 GTX 1660 Ti CUDA 12.2 cudnn 8.9 查看版本对应: https://tensorflow.google.cn/install/source_windows#gpu Version Python version Compiler Build tools cuDNN CUDA tensorflow_gpu-2.10.0 3.7-3.10 MSVC 2019 Bazel 5.1.1 8.1 11.2 这里查看我 系统配置 我安装 python 3.10 和 tensorflow_gpu-2.10.0 安装 conda 安装

    2024年02月14日
    浏览(45)
  • tensorflow,tensorflow-gpu, CUDA, cuDNN,Python, numpy对应版本

    本机GPU是NVIDIA GeForce GTX 1650, 支持的最高版本CUDA是12.0。想要在Windows下使用GPU跑深度学习模型,需要使用tensorflow-gpu,其目前最高版本是2.6.0。所以其他依赖环境均按照tensorflow-gpu的需求来配置。 Tensorflow-gpu 2.6.0 (目前为止最高版本) Python 3.9.18 (能够支持tensorflow-GPU的最高Python版

    2024年04月17日
    浏览(76)
  • ubuntu20.04 docker 下编译 tensorflow-gpu

    配置: 系统 ubuntu 20.04 LTS 显卡 GTX 1060 6G 1 安装cudatoolkit (我选 CUDA Toolkit 12.2 ) NVIDIA CUDA Installation Guide for Linux https://docs.nvidia.com/cuda/cuda-installation-guide-linux/index.html#prepare-ubuntu 选择 2.7 步骤,下载 deb 包,本地安装 2.7. Download the NVIDIA CUDA Toolkit https://developer.nvidia.com/cuda-downloa

    2024年02月13日
    浏览(48)
  • Docker【部署 05】docker使用tensorflow-gpu安装及调用GPU踩坑记录

    Other than the name, the two packages have been identical since TensorFlow 2.1 也就是说安装2.1版本的已经自带GPU支持。 不同型号的GPU及驱动版本有所区别,环境驱动及CUDA版本如下: 在Docker容器中的程序无法识别CUDA环境变量,可以尝试以下步骤来解决这个问题: 检查CUDA版本:首先,需要确认

    2024年02月08日
    浏览(49)
  • 解决CUDA 11.6版本对应的tensorflow-gpu版本问题

    个人电脑相关配置版本信息 (超级超级新的版本,以至于适配方面花了很长时间来搞) cuda  11.6 cudnn  8.9.0 python  3.10 对应安装的gpu版本 tensorflow-gpu  2.10.0 对应代码 具体怎么安装的我已经放在文章底部啦,改镜像源什么的也不多说~ 感谢参考嘿(-v- ---------------------------------

    2024年02月08日
    浏览(56)
  • tensorflow-gpu 2.3.0安装 及 相关对应版本库安装(Anaconda安装)

    目录 如需转载,请标明出处,谢谢。 一、安装tensorflow-gpu2.3.0 二、配置其他相关的库 很多人以为安装完tensorflow-gpu就是一切都结束了,但是殊不知,python中的很多库,比如numpy,matplotlib等库,就与我们的tensorflow的版本有对应 总结 对于anaconda的下载,网上的教程很多,而且很

    2024年02月02日
    浏览(67)
  • [conda]tf_agents和tensorflow-gpu安装傻瓜式教程

    1.打开终端或Anaconda Prompt(Windows用户)。 2.输入以下命令创建新的Python环境:    其中, env_name 是您想要创建的环境名称, version 是您想要安装的Python版本号。例如,要创建名为 python37 的Python 3.7环境,请输入以下命令: 3.进入到要使用的环境去使用pip安装应用 进入后显示如

    2024年02月11日
    浏览(44)
  • 2023最新WSL搭建深度学习平台教程(适用于Docker-gpu、tensorflow-gpu、pytorch-gpu)

    2023-4-11 对于机器学习er配置环境一直是个头疼的事,尤其是在windows系统中。尤其像博主这样的懒人,又不喜欢创建虚拟环境,过段时间又忘了环境和包的人,经常会让自己电脑里装了各种深度学习环境和python包。长时间会导致自己的项目文件和环境弄的很乱。且各个项目间的

    2024年02月05日
    浏览(50)
  • CUDA 11.7 版本下安装Tensorflow-gpu以及Keras (Windows以及Ubuntu)

    ​ 记录:在复现论文代码时碰到使用keras环境,于是在自己windows系统的台式机(RTX 3080;CUDA 11.7)上进行了安装,但是发现台式机的显存无法支持程序的运行。于是将一摸一样的环境配置到更大现存的Ubuntu服务器(CUDA 11.7)上,但配置环境出错,一直无法调用GPU。经过一天的

    2024年02月01日
    浏览(60)

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