2022年在Apple M1上安装TensorFlow的正确方法是什么

Answer 1

提炼the official directions from Apple（截至 2022 年 7 月 13 日），可以使用以下 YAML 创建环境：

tf-metal-arm64.yaml

name: tf-metal
channels:
  - apple
  - conda-forge
dependencies:
  - python=3.9  ## specify desired version
  - pip
  - tensorflow-deps

  ## uncomment for use with Jupyter
  ## - ipykernel

  ## PyPI packages
  - pip:
    - tensorflow-macos
    - tensorflow-metal  ## optional, but recommended

编辑以包含其他包。

创建环境

在创建环境之前，我们需要知道基础架构是什么。使用conda config --show subdir 进行检查。

本国的 （osx-arm64） 根据

如果你安装了原生osx-arm64Miniforge 变体（我推荐Mambaforge），然后您可以使用以下命令创建：

mamba env create -n my_tf_env -f tf-metal-arm64.yaml

_{笔记：如果您没有 Mamba，则将 conda 替换为 mamba；或安装它以更快地解决：conda install -n base mamba。}

模拟 (osx-64） 根据

如果你没有本地人根据，那么您将需要覆盖 subdir 设置：

## create env
CONDA_SUBDIR=osx-arm64 mamba env create -n my_tf_env -f tf-metal-arm64.yaml

## activate
mamba activate my_tf_env

## permanently set the subdir
conda config --env --set subdir osx-arm64

请务必在安装或更新软件包之前始终激活环境。

Answer 2

首先，TensorFlow 不正式支持 Mac M1。他们不分发为 Mac M1（及其特定的 arm64 架构）预编译的包，因此由 Apple 维护的 tensorflow-macos 包。据我所知，TensorFlow 只为 x86（Linux、Windows、Mac）和 Raspberry PI（arm64）分发官方轮子。

Apple 正在使用 Tensorflow 中的特定插件来使框架与 MacOS 的图形堆栈 Metal 兼容。换句话说，他们正在利用 PluggableDevice API of Tensorflow 编写代码，将 TensorFlow 操作转换为 M1 的 GPU 可以理解的代码。

这两个包分别包含：

• tensorflow-deps 在 arm64 上运行 Tensorflow 的依赖项，即 python、numpy、grpcio 和 h5py。我相信这更像是一个便利包。
• tensorflow-metal：一个使 tensorflow 能够在 MacOS 的着色器 API metal 上运行的插件（类似于其他平台上的 Vulkan 或 DirectX12 的低级 API）。如果您习惯于在 Nvidia GPU 上运行 TensorFlow，您可以将其视为 CUDA 的替代品。

如果没有 tensorflow-metal 包，TensorFlow 将无法利用 M1 的 GPU，但仍然能够在 CPU 上运行代码。

Answer 3

我得到的两个答案有助于更好地理解如何在 m1 上安装 TensorFlow。但我也想分享我的经验。

1. 关于tensorflow-deps。我确实需要它，没有它 pip 无法安装grpcio，因此实际上无法安装tensorflow-macos。当我第一次问这个问题时，我没有足够注意pip install tensorflow-macos 的输出。

2. 关于tensorflow-macos 包，其实https://blog.tensorflow.org/2020/11/accelerating-tensorflow-performance-on-mac.html 有完整的信息。顺便说一句，那篇发表于 2020 年 11 月 18 日的文章说：“在不久的将来，我们将通过将分叉版本集成到 TensorFlow 主分支中，让用户更容易获得这些性能数据。”但根据莱斯库尔的回答，他们似乎没有。

3. 我不知道 PluggableDevice 的概念（就像 Lescrel 的那样），所以即使我访问了https://github.com/apple/tensorflow_macos 我仍然感到困惑。如果你也不知道的话可以看看那篇文章，基本上它会让 TensorFlow 支持新设备。

4. 对于我列出的 4 篇文章，“也适用于 M1”是最有帮助的。它实际上解释了为什么我需要tensorflow-deps 和tensorflow-metal。但我事先没有给予足够关注的部分原因是：a）我想使用 conda，而不是 miniforge，所有这些包管理器工具都让我有点害怕（来自nodejs背景）。 merv 的回答还建议了另一个mamba，但我想我会通过的。 b）我不使用homebrew，基本上所有关于在m1上安装ts的文章都提到首先安装自制软件。但我使用macport、for the reason I mentioned here（我再次有点害怕这些包管理器工具）

5. 使用 environment.yaml 就像 merv 的答案一样是安装 tensorflow 的可靠方法！

Answer 4

我用 pip 在我的 M1 Mac 上安装了 tensorflow 2.9.2 的工作版本。首先，安装pyenv和python3.10.6。接下来是pip install tensorflow-metal，最后是pip install tensorflow-macos。而已。