TensorFlow在Mac上的簡易安裝教程

本文遷移自本人簡書帳號醬油蔥, 後續不會再在簡書更新文章, 具體緣由能夠查看簡書CEO盛讚程序員出軌率高「真實、新鮮、多元」 ，對不起打擾了

前提

筆者使用的電腦爲Mac mini(Late 2014), OS系統爲10.12.3. python爲系統的版本2.7.10

安裝過程

安裝Homebrew

這是Mac上安裝管理工具/應用的神器, 強烈建議安裝. 在終端上運行這行命令便可.

注意, 這是硬廣告. XD:

/usr/bin/ruby -e "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/master/install)"

因爲Homebrew每次安裝新包時, 都會啓動更新, 能夠考慮使用如下方式:

HOMEBREW_NO_AUTO_UPDATE=1 brew install ...

或者將HOMEBREW_NO_AUTO_UPDATE=1 brew install另外起個別名, 這樣安裝和升級就是兩件事情了

安裝pip

安裝了Homebrew後, 安裝其它東西簡直小菜一碟, 只要網上倉庫裏有它的安裝包就行. 在終端上運行這行命令

brew install pip

若是沒有安裝Homebrew, 也能夠考慮直接這樣安裝pip:

sudo easy_install pip

安裝vertualenv

virtualenv用於建立獨立的Python環境，多個Python相互獨立，互不影響 這個工具也是很是必要的, 畢竟沒有人願意將本身的機器環境搞得一塌糊塗. 命令行指令以下:

sudo pip install --upgrade virtualenv

建立虛擬環境

這裏能夠任意指定一個目錄做爲虛擬Python環境的主目錄, 指令以下:

virtualenv --system-site-packages ~/tensorflow

激活虛擬環境

使用bash的用戶可使用如下命令:

cd ~/tensorflow

source bin/activate

使用csh的用戶可使用如下命令:

cd ~/tensorflow

source bin/activate.csh

使用zsh的我只好表示做者太不人道了~ 因而乎只能選擇bash腳原本執行. 執行結果***(終端提示符應該發生變化)***應該會顯示爲:

(tensorflow)$

以前的提示符應該爲

$

安裝TensorFlow

在 virtualenv 內, 安裝 TensorFlow, 目前我使用的版本是1.0.0的CPU版本. 你若是想用別的版本能夠去他們github官網上去看看都有什麼路徑

pip install --upgrade https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-1.0.0-py2-none-any.whl

感謝TensorFlow團隊的努力, 目前也能夠經過更快捷的方式安裝了: ***Made pip packages pypi compliant. TensorFlow can now be installed by pip install tensorflow command. ***

pip install tensorflow

測試TensorFlow

Tensor中文社區提供了一個簡易Python腳本, 進行TensorFlow集成測試, 如下爲Python文件內容:

# test.py
import tensorflow as tf
import numpy as np

# 使用 NumPy 生成假數據(phony data), 總共 100 個點.
x_data = np.float32(np.random.rand(2, 100)) # 隨機輸入
y_data = np.dot([0.100, 0.200], x_data) + 0.300

# 構造一個線性模型
# 
b = tf.Variable(tf.zeros([1]))
W = tf.Variable(tf.random_uniform([1, 2], -1.0, 1.0))
y = tf.matmul(W, x_data) + b

# 最小化方差
loss = tf.reduce_mean(tf.square(y - y_data))
optimizer = tf.train.GradientDescentOptimizer(0.5)
train = optimizer.minimize(loss)

# 初始化變量
init = tf.initialize_all_variables()

# 啓動圖 (graph)
sess = tf.Session()
sess.run(init)

# 擬合平面
for step in xrange(0, 201):
    sess.run(train)
    if step % 20 == 0:
        print step, sess.run(W), sess.run(b)

# 獲得最佳擬合結果 W: [[0.100 0.200]], b: [0.300]
複製代碼

以上內容保存後, 在virtualenv環境下執行:

python test.py

就能看到咱們的三維數據的平面擬合結果了:

0 [[ 0.30465344 0.70788538]] [-0.23038898] 20 [[ 0.20695965 0.35023165]] [ 0.16050725] 40 [[ 0.1383343 0.2433864]] [ 0.25552779] 60 [[ 0.11293854 0.21308941]] [ 0.28581053] 80 [[ 0.10424803 0.20405222]] [ 0.2954708] 100 [[ 0.10137596 0.20127273]] [ 0.298554] 120 [[ 0.10044261 0.20040286]] [ 0.29953831] 140 [[ 0.10014189 0.20012806]] [ 0.29985258] 160 [[ 0.10004541 0.20004079]] [ 0.29995292] 180 [[ 0.10001453 0.20001301]] [ 0.29998496] 200 [[ 0.10000464 0.20000416]] [ 0.29999521]

最後的擬合結果(python精度確實是有點讓人疑惑)爲:

200 [[0.100, 0.200]], [0.300] #大約通過了200步達成

當使用完 TensorFlow, 須要退出虛擬環境, 能夠執行這條指令停用 virtualenv:

deactivate $ # 你的命令提示符會恢復原樣

還沒結束~

由於CPU版本的TensorFlow跑起來實在有點慢, 因此更好的辦法是使用GPU版本. 前提仍是同樣的, 安裝brew, pip和virtualenv, 而後再安裝bazel:

brew install bazel

接着安裝SWIG

brew install swig

再接着安裝Cuda

brew cask install cuda

安裝前最好檢查一下Cuda的版本是否符合預安裝的GPU版本最低限制(例如本人要下載的版本要求Cuda版本最低7.5)

brew cask info cuda

你會看到相似這些內容

cuda: 8.0.55 https://developer.nvidia.com/cuda-zone /usr/local/Caskroom/cuda/8.0.55 (23 files, 1.3GB) From: https://github.com/caskroom/homebrew-cask/blob/master/Casks/cuda.rb

若是你的版本低於最低限制版本, 記得更新一下brew:

brew update brew upgrade cuda

同時, 你還得去官網NVIDIA官網下載指定版本的Cudnn(目前最新版本爲5.1, 對應最高的cuda版本爲8.0): developer.nvidia.com/cudnn 這是我下載的指定文件連接地址: developer.nvidia.com/rdp/assets/…

下載完成後, 記得解壓並拷貝到指定目錄/usr/local/cuda, 指令以下:

tar xzvf ~/Downloads/cudnn-8.0-osx-x64-v5.0.tgz sudo mv -v ~/Downloads/cuda/lib/libcudnn* /usr/local/cuda/lib sudo mv -v ~/Downloads/cuda/include/cudnn.h /usr/local/cuda/include

爲了保證庫能查找到連接路徑, 你還要把~/.bash_profile(或其它環境配置項文件)添加如下內容:

export DYLD_LIBRARY_PATH=/usr/local/cuda/lib:$DYLD_LIBRARY_PATH
複製代碼

//TODO: 本人還沒安裝成功, 正在糾結中, 詳細教程能夠看github上這篇文章

##後記 極客學院的這篇教程提到了更多的安裝方式, 甚至還提供了Docker, 這樣能確保你的安裝能徹底杜絕軟件依賴問題, 減小很是多的麻煩.

TensorFlow中文社區是咱們目前國內TensorFlow最大的學習和研究社區, 大夥能夠加入這個你們庭, 瞭解更多關於大數據框架TensorFlow的知識.