1. 程式人生 > 其它 >在 Mac OS X 裝不上 TensorFlow?看了這篇就會裝

在 Mac OS X 裝不上 TensorFlow?看了這篇就會裝

這個文件說明了如何在 Mac OS X 上安裝 TensorFlow。(從 1.2 版本開始,在 Mac OS X 上 TensorFlow 不再支援 GPU。)

確定如何安裝 TensorFlow

你可以選擇一種方式安裝 TensorFlow,支援下面的幾種選擇:

  • virtualenv
  • "本地" pip
  • Docker
  • 從原始碼安裝,更專業有單獨的文件記錄

我們建議使用 virtualenv 安裝。virtualenv 是一個和其它 Python 專案開發隔離的虛擬 Python 環境,在同一臺機器上不會干擾也不會被其它程式影響。virtualenv 安裝過程中,你不僅僅安裝了 TensorFlow 還有它的所有依賴包。(事實上這很簡單)要開始使用 TensorFlow,你需要 “啟動” virtualenv 環境。總而言之,virtualenv 提供了一個安全可靠的 TensorFlow 安裝和執行機制。

本地 pip 安裝 TensorFlow 不經過任何容器或者虛擬環境系統直接裝到了系統上,由於本地 pip 安裝沒被關閉,pip 安裝會干擾或者影響系統上其它有 Python 依賴的安裝。而且,如果要通過本地 pip 安裝,你需要禁用系統完整性保護(SIP)。然而,如果你瞭解 SIP,pip 和 你的 Python 環境,本地 pip 安裝相對容易執行。

Docker 可使 TensorFlow 的安裝完全脫離於機器上的其它已存在的包,Docker 容器包括 TensorFlow 和它的所有依賴。注意 Docker 映象可能很大(幾百 M)。如果你已將 TensorFlow 整合到使用了 Docker 的大型應用架構中可以選擇 Docker 安裝。

選擇 Anaconda,你可以使用 conda 建立一個虛擬環境,我們建議使用 pip install 命令而不是 coda install 命令安裝 TensorFlow。

注意:coda 包是社群而不是官方支援,也就是說,TensorFlow 團隊既不測試也不維護 conda 包,如果使用風險自己承擔。

使用 virtualenv 安裝

按照以下步驟安裝 TensorFlow:

  1. 開啟終端(一個 shell),你將在這個終端中執行隨後的步驟
  2. 通過以下命令安裝 pip 和 virtualenv:
$ sudo easy_install pip
$ sudo pip install --upgrade virtuale

3. 執行以下任一命令建立虛擬環境:

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

targetDirectory 因虛擬環境根路徑而異,我們的命令假使 targetDirectory 是 ~/tensorflow,但你可以選擇任一目錄。

4. 執行任一命令啟用虛擬環境:

$ source ~/tensorflow/bin/activate      # If using bash, sh, ksh, or zsh
$ source ~/tensorflow/bin/activate.csh  # If using csh or tcs

上面的 source 命令應該將提示符改成了下面這樣:

(tensorFlow)$

5. 如果已經安裝了 pip 8.1 或者更新的版本,執行以下任一命令在啟用的虛擬環境中安裝 TensorFlow 及其所有依賴:

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

如果前面的命令執行成功了,跳過步驟 6;如果失敗了,再執行步驟 6。

6. 可選,如果步驟 5 失敗了(一般是因為你使用了低於 8.1 版本的 pip),執行以下任一命令在啟用的虛擬環境中安裝 TensorFlow:

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

tfBinaryURL 是 Tensorflow 包的 URL,準確的 tfBinaryURL 值因作業系統和 Python 版本而異,在 [這裡](#TensorFlow Python 包 URL) 找到和你係統相關的 tfBinaryURL 值。例如,你要在 Mac OS X 上安裝 Python 2.7 對應的 Tensorflow 版本,在虛擬環境中安裝 Tensorflow 就執行下面的命令:

$ pip3 install --upgrade 
 https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-1.2.1-py2-none-any.whl

如果安裝過程中遇到麻煩,參考常見安裝問題。

下一步

安裝完成後,驗證你的安裝是否工作正常。

注意,每開啟一個新的 shell 使用 TensorFlow 都必須啟用虛擬環境。如果當前虛擬環境沒有被啟用(也就是提示符不是 tensorflow),執行以下任一命令:

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

你的提示符變成下面這樣說明 tensorflow 環境已經啟用:

(tensorflow)$

當虛擬環境啟用後,你可以在這個 shell 中執行 TensorFlow 程式。如果你不再使用 TensorFlow,可以通過下面命令退出環境:

(tensorflow)$ deactivate

提示符將會恢復到預設的(在 PS1 中定義的)。

解除安裝 TensorFlow

如果你想解除安裝 TensorFlow,簡單地移除你建立的目錄。例如:

 $ rm -r ~/tensorflow

使用本地 pip 安裝

我們已經將 TensorFlow 二進位制檔案上傳到了 PyPI,因此你可以通過 pip 安裝, REQUIRED_PACKAGES section of setup.py 檔案列出了 pip 將要安裝或升級的包。

必備: Python

要安裝 TensorFlow,你的系統必須依據安裝了以下任一 Python 版本:

  • Python 2.7
  • Python 3.3+

如果你的系統還沒有安裝符合以上版本的 Python,現在安裝。

安裝 Python,你可能需要禁用系統完整性保護(SIP)來獲得從 Mac App Store 外安裝軟體的許可。

必備: pip

Pip 安裝和管理 Python 寫的軟體包,如果你要使用本地 pip 安裝,系統上必須安裝下面的任一 pip 版本:

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

pip 或者 pip3 可能在你安裝 Python 的時候已經安裝了,執行以下任一命令確認系統上是否安裝了 pip 或 pip3:

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

我們強烈建議使用 pip 或者 pip3 為 8.1 或者更新的版本安裝 TensorFlow,如果沒有安裝,執行以下任一命令安裝或更新:

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

安裝 TensorFlow

假設你的 Mac 上已經裝好了必備的程式,按照以下步驟執行:

  1. 執行以下任一命令安裝 TensorFlow:
 $ pip install tensorflow      # Python 2.7; CPU support
 $ pip3 install tensorflow     # Python 3.n; CPU support

如果上面的命令執行完成,現在可以驗證你的安裝了。

2. (可選的) 如果步驟 1 失敗了,執行下面的命令安裝最新版本 TensorFlow:

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

tfBinaryURL 是 Tensorflow 包的 URL,準確的 tfBinaryURL 值因作業系統和 Python 版本而異,在這裡找到和你係統相關的 tfBinaryURL 值。例如,你要在 Mac OS X 上安裝 Python 2.7 對應的 Tensorflow 版本,在虛擬環境中安裝 Tensorflow 就執行下面的命令:

 $ sudo pip3 install --upgrade 
 https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-1.2.1-py2-none-any.whl

如果以上命令執行失敗,參考 安裝問題。

下一步

安裝完成後,驗證你的安裝是否工作正常。

解除安裝 TensorFlow

如果要解除安裝 TensorFlow,執行下面的命令:

$ pip uninstall tensorflow
$ pip3 uninstall tensorflow

使用 Docker 安裝

按照以下步驟使用 Docker 安裝 TensorFlow:

1. 按照 文件 在你的機器上安裝 Docker

2. 啟動任一個包含 TensorFlow 映象的 Docker 容器

本節剩下部分解釋如何啟動 Docker 容器。

要啟動包含 TensorFlow 映象的 Docker 容器,執行以下命令:

 $ docker run -it -p hostPort:containerPort TensorFlowImage

where:

  • -p hostPort:containerPort 是可選的,如果你想從 shell 執行 TensorFlow 程式忽略這個選項。如果你想從 Jupyter notebook 執行 TensorFlow 程式,hostPort 和 containerPort 都設定為 8888。如果你想在映象中執行 TensorBoard,再新增一個-p引數,hostPort 和 containerPort 都設定為 6006。
  • TensorFlowImage 是需要的,它用於指定 Docker 容器,你必須指定接下來的任一一個:gcr.io/tensorflow/tensorflow: TensorFlow 二進位制映象,gcr.io/tensorflow/tensorflow:latest-devel: TensorFlow 二進位制映象加原始碼。

gcr.io 是 Goole 的容器登錄檔 (?),注意部分 TensorFlow 也可以從 dockerhub 獲取。

例如,下面的命令可以在 Docker 容器中啟動一個 TensorFlow CPU 映象,然後你可以在映象的 shell 中執行 TensorFlow 程式:

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

以下命令也可以在 Docker 容器中啟動一個 TensorFlow CPU 映象,然而,在這個 Docker 映象中,你可以在 Jupyter notebook 中執行 TensorFlow 程式:

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

Docker 將會先下載 TensorFlow 映象然後啟動它。

下一步

現在可以驗證你的安裝了。

使用 Anaconda 安裝

Anaconda 安裝只是社群而非官方支援

按照以下步驟在 Anaconda 環境中安裝 TensorFlow:

1. 按照 Anaconda 下載站點 說明下載安裝 Anaconda

2. 執行以下命令建立名為 tensorflow 的 conda 環境:

$ conda create -n tensorflow

3. 執行以下命令啟用 conda 環境:

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

4. 執行以下命令在你的 conda 環境中安裝 TensorFlow:

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

TF_PYTHON_URL 是 TensorFlow Python 包 的 URL,例如,以下命令是安裝 Python 2.7 CPU-only 版本的 TensorFlow:

 (tensorflow)$ pip install --ignore-installed --upgrade 
 https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-1.2.1-py2-none-any.whl

驗證你的安裝

要驗證你的 TensorFlow 安裝,操作以下步驟:

  1. 保證你的環境可以執行 TensorFlow 程式
  2. 執行一個小的 TensorFlow 程式

準備你的環境

如果你使用本地 pip, virtualenv 或者 Anaconda 安裝,操作以下步驟:

  1. 開啟一個終端
  2. 如果你使用 virtualenv 或 Anaconda 安裝,啟用你的容器
  3. 如果你安裝了 TensorFlow 原始碼,進到任何一個處了包含 TensorFlow 原始碼的目錄

如果通過 Docker 安裝,啟動一個執行 bash 的 Docker 容器,例如:

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

執行一個小的 TensorFlow 程式

在一個 shell 中執行 Python:

$ python

在 python 互動式 shell 中輸入以下小程式:

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

如果系統輸出以下內容,你可以開始寫 TensorFlow 程式了:

Hello, TensorFlow!

如果你不熟悉 TensorFlow,參考 Getting Started with TensorFlow。

如果系統輸出錯誤資訊而不是歡迎語,參考 常見安裝問題。

常見安裝問題

我們依據 Stack Overflow 記錄 TensorFlow 安裝問題和相應的解決方法。下面的表格包括 Stack Overflow 常見的安裝問題回覆連結,如果你遇到的錯誤資訊或者其它安裝問題不在表格中,請在 Stack Overflow 上搜索。如果 Stack Overflow 上沒有你搜索的錯誤資訊,提一個新問題並且打上 tensorflow 標籤。

Stack Overflow Link

Error Message

42006320

ImportError: Traceback (most recent call last):File “…/tensorflow/core/framework/graph_pb2.py”, line 6, in from google.protobuf import descriptor as _descriptorImportError: 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/tensorshapepb2.py”, line 22, in serialized_pb=_b(‘n,tensorflow/core/framework/tensor_shape.protox12ntensorflow”dnx10TensorShapeProtox12-nx03x64imx18x02 x03(x0bx32 .tensorflow.TensorShapeProto.Dimx1a!nx03x44imx12x0cnx04sizex18x01 x01(x03x12x0cnx04namex18x02 x01(tbx06proto3’) 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 aTerminal window to review and agree to the Xcode license agreements…. File “numpy/core/setup.py”, line 653, in get_mathlib_info raise RuntimeError(“Broken toolchain: cannot link a simple C program”)RuntimeError: Broken toolchain: cannot link a simple C program

TensorFlow Python 包 URL

一些安裝方法需要 TensorFlow Python 包的 URL,值與三個方面有關 (?):

  • 作業系統
  • Python 版本

本節記錄了 Mac OS 安裝相關的值

Python 2.7

https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-1.2.1-py2-none-any.whl

Python 3.4, 3.5, or 3.6

https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-1.2.1-py3-none-any.whl

Protobuf pip package 3.1

如果你沒有遇到 protobuf pip 包相關的問題可以跳過本節。

** 注意:** 如果你的 TensorFlow 執行很慢,可能是和 protobuf pip 包有關的問題。

TensorFlow pip 包依賴 protobuf pip 3.1 版本的包,從 PyPI 下載的 protobuf pip 包(在呼叫 pip install protobuf 時)是一個僅包含 Python 的庫,其中包含執行速度比 C++ 實現慢 10 ~ 50 倍的原始序列化 / 反序列化的 Python 實現。 Protobuf 還支援包含基於快速 C++ 的原語解析的 Python 包的二進位制擴充套件,此擴充套件在標準的僅 Python 專用 pip 包中不可用,我們為 protobuf 建立了一個包含二進位制副檔名的自定義二進位制 pip 包。要安裝自定義二進位制 protobuf pip 包,請呼叫以下命令之一:

  • for 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
  • for 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

安裝這些 protobuf 包將會覆蓋已安裝的包,注意二進位制 pip 包已經支援大於 64M 的 protobufs,修復瞭如下報錯:

[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), seeCodedInputStream::SetTotalBytesLimit() in google/protobuf/io/coded_stream.h.