[譯] 系列教程：在 macOS 中安裝 TensorFlow

時間  2019-11-29
標籤 系列 教程 macos 安裝 tensorflow 简体版
原文   原文鏈接

本文出自 掘金翻譯計劃 正在組織翻譯的 TensorFlow 官方文檔。若是您有興趣，歡迎 申請成爲譯者，學習完譯者教程後，參與到文章和文檔的翻譯和及對當中。咱們也正在招募 TensorFlow 譯者，歡迎積極參加。前端

這篇指南說明如何在 macOS 上安裝 TensorFlow。python

注意：從 v1.2 開始，TensorFlow 再也不爲 macOS 提供 GPU 支持。android

選擇安裝 TensorFlow 的方式

你必須選擇使用哪一種方式來安裝 TensorFlow。有如下方式：ios

  • virtualenv
  • 原生 pip
  • Docker
  • 經過源碼進行安裝，詳見這篇文檔。

咱們推薦使用 virtualenv 進行安裝。 Virtualenv 是與其餘 Python 開發隔離的虛擬 Python 環境，使得在同一臺機器上不受其餘 Python 程序的干擾。 在 virtualenv 安裝過程當中，你不只要安裝 TensorFlow，還需安裝 TensorFlow 所需的軟件包（其實很簡單）。 要開始使用 TensorFlow，只須要『激活』虛擬環境。 總而言之，virtualenv 爲安裝和運行 TensorFlow 提供了一個安全可靠的機制。git

使用本地的 pip 會在系統裏直接安裝 TensorFlow，無需任何容器或虛擬環境系統。然而因爲本地安裝並非徹底封閉的，所以本地安裝可能會受到系統上其餘基於 Python 安裝軟件的干擾，或者影響到這類軟件。 此外，你可能還須要禁用系統完整性保護（SIP）才能進行本地安裝。 可是，若是你瞭解 SIP、pip 和你本地的 Python 環境，那麼使用本地 pip 安裝會相對容易一些。github

Docker 則會將 TensorFlow 安裝與機器上的現有軟件包徹底隔離。 Docker 容器包含 TensorFlow 及其全部依賴項。 請注意，Docker 鏡像可能很是大（幾百 MB）。 若是你將 TensorFlow 集成到已經使用 Docker 的較大應用程序體系結構中，則能夠選擇 Docker 安裝。docker

在 Anaconda 中，你可使用 conda 來建立虛擬環境。可是，在 Anaconda 中，咱們建議使用 pip install 而不是 conda install 命令來安裝 TensorFlow。shell

注意： conda 包由社區提供支持，而非正式支持。也就是說，TensorFlow 團隊既不測試也不維護 conda 包。 使用此包請自行承擔相關風險。macos

經過 virtualenv 安裝

經過執行下面的步驟來使用 Virtualenv 安裝 TensorFlow：windows

  1. 啓動終端。你須要在命令行中執行下面全部的步驟。

  2. 經過下面的命令安裝 pip 和 virtualenv：

     $ sudo easy_install pip
$ pip install --upgrade virtualenv

  3. 經過執行下面的命令來建立虛擬環境：

     $ virtualenv --system-site-packages targetDirectory # 對應 Python 2.7
$ virtualenv --system-site-packages -p python3 targetDirectory # 對應 Python 3.n

    其中 targetDirectory 表示 virtualenv 目錄樹所在的頂層路徑。 咱們假設 targetDirectory 爲 ~/tensorflow，但你也能夠選擇任何你喜歡的路徑。

  4. 經過執行下面的命令來激活虛擬環境：

    $ source ~/tensorflow/bin/activate      # 若是使用 bash, sh, ksh 或 zsh

$ <b>source ~/tensorflow/bin/activate.csh</b>  # 若是使用 csh 或 tcsh </pre>

 前面的 `source` 命令會將你的命令行提示更改成如下內容：

 <pre> (tensorflow)$ </pre>
複製代碼

  1. 確保安裝的 pip 版本大於或等於 8.1：

     (tensorflow)$ easy_install -U pip

  2. 執行下面的命令會將 TensorFlow 及其所有依賴安裝至 Virtualenv 環境中：

     (tensorflow)$ pip install --upgrade tensorflow      # 對應 Python 2.7
(tensorflow)$ pip3 install --upgrade tensorflow     # 對應 Python 3.n

  3. （可選）若是第 6 步失敗了（一般多是由於你使用的 pip 版本小於 8.1），你還能夠經過下面的命令安裝 TensorFlow：

     $ pip install --upgrade tfBinaryURL   # Python 2.7
$ pip3 install --upgrade tfBinaryURL  # Python 3.n

    其中 tfBinaryURL 指向 TensorFlow Python 軟件包所在的 URL。 合適的 tfBinaryURL 取決於你的操做系統和 Python 版本。你能夠在here 找到你係統所對應的 tfBinaryURL。 例如，若是你要在安裝了 Python 2.7 的 macOS 上安裝 TensorFlow，那麼能夠執行下面的命令：

     $ pip3 install --upgrade \
https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-1.4.0rc0-py2-none-any.whl

若是你遇到了任何安裝問題，請查看 常見安裝問題.

下一步

安裝 TensorFlow 以後，你須要 驗證安裝 來確保 TensorFlow 可以正常工做。

注意，每當你使用一個新的 Shell 來使用 TensorFlow 時，你必須激活 virtualenv 環境。 若是 virtualenv 環境沒有被激活（即命令行提示符中沒有 (tensorflow)），使用下面的命令能夠激活虛擬環境：

$ source ~/tensorflow/bin/activate      # bash, sh, ksh 或 zsh
$ source ~/tensorflow/bin/activate.csh  # csh 或 tcsh

若是你的終端提示變成下面的樣子，證實 TensorFlow 的環境已經激活：

 (tensorflow)$

當 virtualenv 環境激活後，你就能夠在 Shell 裏運行 TensorFlow 程序了。

當你使用完 TensorFlow 後，你還能夠解除虛擬環境：

 (tensorflow)$ deactivate

這時命令行提示將會變回你激活虛擬環境以前的樣子。

卸載 TensorFlow

若是你但願卸載 TensorFlow，只須要簡單的刪除你建立的目錄樹便可。例如：

 $ rm -r ~/tensorflow

經過本地 pip 安裝

咱們已經將 TensorFlow 的二進制編譯版上傳到了 PyPI 中。所以你能夠直接使用 pip 進行安裝。setup.py 裏要求的包 列出了 pip 須要安裝或升級的包。

前置要求：Python

要安裝 TensorFlow，你的系統必須至少包含一個如下版本的 Python：

  • Python 2.7
  • Python 3.3+

若是你的系統沒有安裝適當版本的 Python，那麼趕忙安裝吧。

在安裝 Python 時，你可能須要關閉系統完整性保護（SIP）來容許安裝非 Mac App Store 的程序。

前置要求：pip

Pip 能安裝並管理 Python 編寫的軟件包。若是你想要經過本地 pip 進行安裝，你的系統至少應該有包含下面命令中的一個：

  • pip, 對應 Python 2.7
  • pip3, 對應 Python 3.n.

若是你安裝了 python，可能 pip 或 pip3 已經安裝在你的系統上了。爲了肯定它們是否真的安裝在系統裏， 可使用下面的命令：

$ pip -V  # 對應 Python 2.7
$ pip3 -V # 對應 Python 3.n

咱們強烈推薦使用 8.1 或更高版本的 pip 或 pip3 來安裝 TensorFlow。 若是你沒有安裝的話，能夠經過下面的命令來升級當前的 pip：

$ sudo easy_install --upgrade pip
$ sudo easy_install --upgrade six

安裝 TensorFlow

假設你的 Mac 上已經安裝了依賴的軟件，請遵循下面的步驟：

  1. 經過下面的一個命令來安裝 TensorFlow：

     $ pip install tensorflow      # Python 2.7; CPU 支持
$ pip3 install tensorflow     # Python 3.n; CPU 支持

    若是前面的命令執行完成了，那麼接下來你應該
驗證安裝.

  2. （可選）若是第 1 步失敗了，那麼能夠經過下面的命令安裝最新版的 TensorFlow：

     $ sudo pip  install --upgrade tfBinaryURL   # Python 2.7
$ sudo pip3 install --upgrade tfBinaryURL   # Python 3.n

    其中 tfBinaryURL 指向 TensorFlow Python 軟件包的所在 URL。 合適的 tfBinaryURL 取決於你的操做系統和 Python 版本。你能夠在here 找到你係統所對應的 tfBinaryURL。 例如，若是你要在安裝了 Python 2.7 的 macOS 上安裝 TensorFlow，那麼能夠執行下面的命令：

     $ pip3 install --upgrade \
https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-1.4.0rc0-py2-none-any.whl

下一步

TensorFlow 安裝完成後，你應該驗證安裝是否能使 TensorFlow 正確工做。

卸載 TensorFlow

執行下面的命令能夠卸載 TensorFlow：

$ pip uninstall tensorflow
$ pip3 uninstall tensorflow

經過 Docker 安裝

遵循下面的步驟可經過 Docker 安裝 TensorFlow：

1. 安在你的機器上安裝 Docker，請參考 
 [Docker 文檔](https://docs.docker.com/engine/installation/#/on-macos-and-windows).

2. 從包含 TensorFlow 的鏡像中建立並啓動 Docker 容器。
複製代碼

本節的其他部分將介紹如何啓動Docker容器。

要啓動包含 TensorFlow 鏡像的 Docker 容器，請輸入如下指令：

 $ docker run -it -p hostPort:containerPort TensorFlowImage

其中：

  • -p hostPort:containerPort 可選。若是你想要在 shell 命令行中運行 TensorFlow，忽略這個選項。若是你想要在 Jupyter notebooks 中運行這個程序，將 hostPort 和 containerPort 都設置爲 8888。

    若是你想要運行包含 TensorBoard 的容器，增長第二個 -p 參數來指定宿主端口和容器端口爲 6006。

  • TensorFlowImage 是必須的。它指定了你的 Docker 容器。你必須指定下面其中一個值：

    • gcr.io/tensorflow/tensorflow: TensorFlow 二進制鏡像。
    • gcr.io/tensorflow/tensorflow:latest-devel: TensorFlow 二進制鏡像和源代碼。

gcr.io 是谷歌容器倉庫。注意，TensorFlow 鏡像一樣在 dockerhub 上可用。

例如，下面的命令從 TensorFlow CPU 鏡像啓動了一個 Docker 容器，從而你能夠在這個命令行裏執行 TensorFlow 程序：

$ docker run -it gcr.io/tensorflow/tensorflow bash

下面的命令一樣是從一個 TensorFlow CPU 的鏡像啓動的容器。然而在這個容器中，你還能夠在 Jupyter notebook 裏 運行 TensorFlow 程序：

$ docker run -it -p 8888:8888 gcr.io/tensorflow/tensorflow

Docker 會在第一次啓動容器時下載對應的鏡像。

下一步

如今你應該驗證安裝。

經過 Anaconda 安裝

Anaconda 的安裝由社區提供，而非官方支持。

請按照下面的步驟在 Anaconda 環境中安裝 TensorFlow：

  1. 按照Anaconda 下載網站中的指南來下載並安裝 Anaconda。

  2. 調用如下命令新建一個名字叫 tensorflow 的 conda 環境來運行某一版本的 Python：

    $ conda create -n tensorflow pip python=2.7 # or python=3.3, etc.

  3. 使用以下命令來激活 conda 環境：

    $ source activate tensorflow
(tensorflow)$  # Your prompt should change

  4. 運行以下格式的命令來在你的 conda 環境中安裝 TensorFlow：

    (tensorflow)$ pip install --ignore-installed --upgrade TF_PYTHON_URL

    其中 TF_PYTHON_URL 是 TensorFlow Python 包的 URL。例如，以下命令安裝了僅支持 CPU 的 Python 2.7 版本下的 TensorFlow：

     (tensorflow)$ pip install --ignore-installed --upgrade \
https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-1.4.0rc0-py2-none-any.whl

驗證安裝

下面的步驟可以驗證 TensorFlow 是否已正確安裝：

1. 肯定你已經具有了運行 TensorFlow 程序的運行環境。
2. 運行一個簡短的 TensorFlow 程序。
複製代碼

準備環境

若是你已經安裝了 pip、virtualenv 或者 Anaconda，那麼：

1. 運行終端。
2. 若是你使用 virtualenv 或 Anaconda 進行的安裝，請激活你的容器。
3. 若是你是使用 TensorFlow 源碼進行的安裝，請切換到除了包含 TensorFlow 源碼的任意目錄下。
複製代碼

若是你使用 Docker 進行安裝，啓動一個運行 bash 的 Docker 容器，例如：

$ docker run -it gcr.io/tensorflow/tensorflow bash

運行一個簡短的 TensorFlow 程序

在命令行中輸入下面的命令調用 Python：

$ python

在 Python 交互命令行環境中輸入下面的代碼：

# Python
import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))
複製代碼

若是你的系統正確的輸出了下面的內容，那麼說明你已經正確安裝了 TensorFlow：

Hello, TensorFlow!

若是你是 TensorFlow 新手，請參看 @{get_started/get_started 開始使用 TensorFlow}.

若是安裝過程出現了錯誤，請看常見安裝問題

常見安裝問題

咱們使用 Stack Overflow 來記錄 TensorFlow 的安裝問題及其解決方案。 下表列出了一些常見安裝問題的 Stack Overflow 答案的連接。 若是你遇到下表中未列出的錯誤信息或其餘安裝問題，請在 Stack Overflow 中進行搜索。若是 Stack Overflow 沒有相應的解決方案，請在 Stack Overflow 上詢問一個有關它的新問題，並指定 tensorflow 標籤。

Stack Overflow 連接 錯誤消息
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'
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



RuntimeError: Broken toolchain: cannot link a simple C program
raise RuntimeError("Broken toolchain: cannot link a simple C program")
複製代碼
 		 
  
 
  

 

 

TensorFlow 的 Python 包的 URL
 

一些安裝方法中須要 TensorFlow Python 包的 URL，你所聲明的值取決下面兩個因素：
 

     
 
  • 操做系統
    •  
 
  • Python 版本
    •  

 

這個部分記錄了 maxOS 相關安裝的 URL 值
 

Python 2.7
 

https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-1.4.0rc0-py2-none-any.whl

 

Python 3.四、3.5 或 3.6
 

https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-1.4.0rc0-py3-none-any.whl

 

 

Protobuf 3.1 的 pip 包
 

除非你遇到了與 protobuf pip package 相關的問題，不然你能夠直接跳過該部分。
 

注意：若是你的 TensorFlow 程序運行速度很慢，你可能有一個和 protobuf pip package 相關的問題。
 

TensorFlow pip 包依賴於 3.1 版本的 protobuf pip package。從 PyPI 下載的 protobuf pip package （使用pip install protobuf 命令） 是一個含有序列化、反序列化實現的純 Python 庫，可能比 C++ 的實現慢 10 到 50 倍。Protobuf 同時也支持針對 Python 包的一個二進制擴展，基於快速的 C++ 解析。這個擴展在純 Python 的標準 pip 包中是沒有的。咱們已經建立了一個自定義的二進制 pip 包給含有二進制擴展的 protobuf。要安裝自定義的二進制 protobuf pip package，執行以下的命令
 

     
 
  •  
    對應 Python 2.7：
     
    $ pip install --upgrade \
https://storage.googleapis.com/tensorflow/mac/cpu/protobuf-3.1.0-cp27-none-macosx_10_11_x86_64.whl
     
    •  
 
  •  
    對應 Python 3.n：
     
    $ pip3 install --upgrade \
https://storage.googleapis.com/tensorflow/mac/cpu/protobuf-3.1.0-cp35-none-macosx_10_11_x86_64.whl
     
    •  

 

安裝此 protobuf 包將覆蓋現有的 protobuf 包，可以修復下面的錯誤（注意，二進制 pip 包已經支持大於 64MB 的 protobufs）：
 

[libprotobuf ERROR google/protobuf/src/google/protobuf/io/coded_stream.cc:207]
A protocol message was rejected because it was too big (more than 67108864 bytes).
To increase the limit (or to disable these warnings), see
CodedInputStream::SetTotalBytesLimit() in google/protobuf/io/coded_stream.h.
 

 

 
 
掘金翻譯計劃 是一個翻譯優質互聯網技術文章的社區，文章來源爲 掘金 上的英文分享文章。內容覆蓋 Android、iOS、前端、後端、區塊鏈、產品、設計、人工智能等領域，想要查看更多優質譯文請持續關注 掘金翻譯計劃、官方微博、知乎專欄。
 



        

            

        	





    

		

            
相關文章

            

                

                

                    

                

            


            
相關標籤/搜索

            
        


    

        

            

        

        

        
        

        

        

    




	

    





    

    	

    

        每日一句
    

    
    
    	每一个你不满意的现在，都有一个你没有努力的曾经。
    







    

    


    



    

        本站公眾號
    

    

           歡迎關注本站公眾號,獲取更多信息

        
    




    

    




	


	







    

        聯繫我們
        最近搜索
        最新文章
        
        沪ICP备13005482号-10

            MyBatis教程
            SQL 教程
            MySQL教程
            Java 教程
            Thymeleaf 教程
            Hibernate教程
            Spring教程 
            Redis教程