Mac OS X系统上TensorFlow的安装教程

在 Mac OS X 上安装 TensorFlow

这个文档说明了如何在 Mac OS X 上安装 TensorFlow。

登录后复制

注意：从 1.2 版本开始，在 Mac OS X 上 TensorFlow 不再支持 GPU。1.

确定如何安装 TensorFlow

你可以选择一种方式安装 TensorFlow，支持下面的几种选择：

• virtualenv
• “本地” pip
• Docker
• 从源代码安装，更专业有单独的文档记录

我们建议使用 virtualenv 安装。​ ​virtualenv​​ 是一个和其它 Python 项目开发隔离的虚拟 Python 环境，在同一台机器上不会干扰也不会被其它程序影响。virtualenv 安装过程中，你不仅仅安装了 TensorFlow 还有它的所有依赖包。（事实上这很简单）要开始使用 TensorFlow，你需要“启动” virtualenv 环境。总而言之，virtualenv 提供了一个安全可靠的 TensorFlow 安装和运行机制。

本地 pip 安装 TensorFlow 不经过任何容器或者虚拟环境系统直接装到了系统上，由于本地 pip 安装没被关闭，pip 安装会干扰或者影响系统上其它有 Python 依赖的安装。而且，如果要通过本地 pip 安装，你需要禁用系统完整性保护（SIP）。然而，如果你了解 SIP，pip 和 你的 Python 环境，本地 pip 安装相对容易执行。

​ ​Docker​​ 可使 TensorFlow 的安装完全脱离于机器上的其它已存在的包，Docker 容器包括 TensorFlow 和它的所有依赖。注意 Docker 镜像可能很大（几百 M）。如果你已将 TensorFlow 集成到使用了 Docker 的大型应用架构中可以选择 Docker 安装。

选择 Anaconda，你可以使用 conda 创建一个虚拟环境，我们建议使用 ​​pip install​​ 命令而不是 ​​coda install​​ 命令安装 TensorFlow。

登录后复制

注意：coda 包是社区而不是官方支持，也就是说，TensorFlow 团队既不测试也不维护 conda 包，如果使用风险自己承担。1.

使用 virtualenv 安装

按照以下步骤安装 TensorFlow：

1. 打开终端（一个 shell），你将在这个终端中执行随后的步骤
2. 通过以下命令安装 pip 和 virtualenv：
   $ sudo easy_install pip$ sudo pip install --upgrade virtualenv
3. 执行以下任一命令创建虚拟环境：
   $ virtualenv --system-site-packages targetDirectory # for Python 2.7$ virtualenv --system-site-packages -p python3 targetDirectory # for Python 3.n
   targetDirectory 因虚拟环境根路径而异，我们的命令假使 targetDirectory 是 ~/tensorflow，但你可以选择任一目录。
4. 执行任一命令激活虚拟环境：
   $ source ~/tensorflow/bin/activate # If using bash, sh, ksh, or zsh$ source ~/tensorflow/bin/activate.csh # If using csh or tcsh  
   上面的 source 命令应该将提示符改成了下面这样：
   (tensorflow)$
5. 如果已经安装了 pip 8.1 或者更新的版本，执行以下任一命令在激活的虚拟环境中安装 TensorFlow 及其所有依赖：
   $ pip install --upgrade tensorflow # for Python 2.7$ pip3 install --upgrade tensorflow # for Python 3.n
   如果前面的命令执行成功了，跳过步骤 6；如果失败了，再执行步骤 6。
6. 可选，如果步骤 5 失败了（一般是因为你使用了低于 8.1 版本的 pip），执行以下任一命令在激活的虚拟环境中安装 TensorFlow：
   $ pip install --upgrade tfBinaryURL # Python 2.7$ pip3 install --upgrade tfBinaryURL # Python 3.n  
   tfBinaryURL 是 Tensorflow 包的 URL，准确的 tfBinaryURL 值因操作系统和 Python 版本而异，在[这里](#TensorFlow Python 包 URL)找到和你系统相关的 tfBinaryURL 值。例如，你要在 Mac OS X 上安装 Python 2.7 对应的 Tensorflow 版本，在虚拟环境中安装 Tensorflow 就执行下面的命令：
   $ pip3 install --upgrade \https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-1.2.1-py2-none-any.whl

如果安装过程中遇到麻烦，参考​ ​常见安装问题​​。

下一步

安装完成后，验证你的安装是否工作正常。

注意，每打开一个新的 shell 使用 TensorFlow 都必须激活虚拟环境。如果当前虚拟环境没有被激活（也就是提示符不是 tensorflow），执行以下任一命令：

登录后复制

$ source ~/tensorflow/bin/activate      
# bash, sh, ksh, or zsh$ source ~/tensorflow/bin/activate.csh  # csh or tcsh 1.2.

你的提示符变成下面这样说明 tensorflow 环境已经激活：

登录后复制

(tensorflow)$ 1.

当虚拟环境激活后，你可以在这个 shell 中运行 TensorFlow 程序。如果你不再使用 TensorFlow，可以通过下面命令退出环境：

登录后复制

(tensorflow)$ deactivate 1.

提示符将会恢复到默认的（在 PS1 中定义的）。

卸载 TensorFlow

如果你想卸载 TensorFlow，简单地移除你创建的目录。例如：

登录后复制

 $ rm -r ~/tensorflow 1.

使用本地 pip 安装

我们已经将 TensorFlow 二进制文件上传到了 PyPI，因此你可以通过 pip 安装， ​ ​REQUIRED_PACKAGES section of setup.py​​ 文件列出了 pip 将要安装或升级的包。

必备: Python

要安装 TensorFlow，你的系统必须依据安装了以下任一 Python 版本：

• Python 2.7
• Python 3.3+

如果你的系统还没有安装符合以上版本的 Python，现在安装。

安装 Python，你可能需要禁用系统完整性保护（SIP）来获得从 Mac App Store 外安装软件的许可。

必备: pip

​ ​Pip​​ 安装和管理 Python写的软件包，如果你要使用本地 pip 安装，系统上必须安装下面的任一 pip 版本：

​​pip​​, for Python 2.7

​​pip3​​, for Python 3.n.

pip 或者 pip3 可能在你安装 Python 的时候已经安装了，执行以下任一命令确认系统上是否安装了 pip 或 pip3：

登录后复制

$ pip -V  # for Python 2.7$ pip3 -V # for Python 3.n 1.2.

我们强烈建议使用 pip 或者 pip3 为 8.1 或者更新的版本安装 TensorFlow，如果没有安装，执行以下任一命令安装或更新：

登录后复制

$ sudo easy_install --upgrade pip$ sudo easy_install --upgrade six 1.2.

安装 TensorFlow

假设你的 Mac 上已经装好了必备的程序，按照以下步骤执行：

1. 执行以下任一命令安装 TensorFlow：
   $ pip install tensorflow # Python 2.7; CPU support$ pip3 install tensorflow # Python 3.n; CPU support
   如果上面的命令执行完成，现在可以验证你的安装了。
2. (可选的) 如果步骤 1 失败了，执行下面的命令安装最新版本 TensorFlow：
   $ sudo pip install --upgrade tfBinaryURL # Python 2.7$ sudo pip3 install --upgrade tfBinaryURL # Python 3.n  
   tfBinaryURL 是 Tensorflow 包的 URL，准确的 tfBinaryURL 值因操作系统和 Python 版本而异，在这里找到和你系统相关的 tfBinaryURL 值。例如，你要在 Mac OS X 上安装 Python 2.7 对应的 Tensorflow 版本，在虚拟环境中安装 Tensorflow 就执行下面的命令：
   $ sudo pip3 install --upgrade \https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-1.2.1-py2-none-any.whl
   

下一步

安装完成后，验证你的安装是否工作正常。

卸载 TensorFlow

如果要卸载 TensorFlow，执行下面的命令：

登录后复制

$ pip uninstall tensorflow$ pip3 uninstall tensorflow 1.2.

使用 Docker 安装

按照以下步骤使用 Docker 安装 TensorFlow：

2. 按照 ​ ​文档​​ 在你的机器上安装 Docker
3. 启动任一个包含 TensorFlow 镜像的 Docker 容器

本节剩下部分解释如何启动 Docker 容器。

要启动包含 TensorFlow 镜像的 Docker 容器，执行以下命令：

登录后复制

 $ docker run -it -p hostPort:containerPort TensorFlowImage 1.

where:

• -p hostPort:containerPort 是可选的，如果你想从 shell 运行 TensorFlow 程序忽略这个选项。如果你想从 Jupyter notebook 运行 TensorFlow 程序，hostPort 和 containerPort 都设置为 ​​8888​​。如果你想在镜像中运行 TensorBoard，再添加一个​​-p​​ 参数，hostPort 和 containerPort 都设置为 6006。
• TensorFlowImage 是需要的，它用于指定 Docker 容器，你必须指定接下来的任一一个：​​gcr.io/tensorflow/tensorflow​​: TensorFlow 二进制镜像，​​gcr.io/tensorflow/tensorflow:latest-devel​​: TensorFlow 二进制镜像加源码。

​​gcr.io​​ 是 Goole 的容器注册表(?)，注意部分 TensorFlow 也可以从 ​ ​dockerhub​​ 获取。

例如，下面的命令可以在 Docker 容器中启动一个 TensorFlow CPU 镜像，然后你可以在镜像的 shell 中运行 TensorFlow 程序：

登录后复制

$ docker run -it gcr.io/tensorflow/tensorflow bash1.

以下命令也可以在 Docker 容器中启动一个 TensorFlow CPU 镜像，然而，在这个 Docker 镜像中，你可以在 Jupyter notebook 中运行 TensorFlow 程序：

登录后复制

$ docker run -it -p 8888:8888 gcr.io/tensorflow/tensorflow1.

Docker 将会先下载 TensorFlow 镜像然后启动它。

下一步

现在可以验证你的​ ​安装​​了。

使用 Anaconda 安装

Anaconda 安装只是社区而非官方支持

按照以下步骤在 Anaconda 环境中安装 TensorFlow：

2. 按照 Anaconda 下载站点 说明下载安装 Anaconda
3. 执行以下命令创建名为 tensorflow 的 conda 环境：
   $ conda create -n tensorflow
4. 执行以下命令激活 conda 环境：
   $ source activate tensorflow(tensorflow)$ # Your prompt should change
5. 执行以下命令在你的 conda 环境中安装 TensorFlow：
   (tensorflow)$ pip install --ignore-installed --upgrade TF_PYTHON_URL
   TF_PYTHON_URL 是 TensorFlow Python 包 的 URL，例如，以下命令是安装 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
   ​

验证你的安装

要验证你的 TensorFlow 安装，操作以下步骤：

2. 保证你的环境可以运行 TensorFlow 程序
3. 运行一个小的 TensorFlow 程序

准备你的环境

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

2. 打开一个终端
3. 如果你使用 virtualenv 或 Anaconda 安装，激活你的容器
4. 如果你安装了 TensorFlow 源码，进到任何一个处了包含 TensorFlow 源码的目录

如果通过 Docker 安装，启动一个运行 bash 的 Docker 容器，例如：

登录后复制

$ docker run -it gcr.io/tensorflow/tensorflow bash1.

运行一个小的 TensorFlow 程序

在一个 shell 中执行 Python：

登录后复制

$ python1.

在 python 交互式 shell 中输入以下小程序：

登录后复制

# Pythonimport tensorflow as tfhello = tf.constant('Hello, TensorFlow!')sess = tf.Session()print(sess.run(hello))1.2.3.4.5.6.

如果系统输出以下内容，你可以开始写 TensorFlow 程序了：

登录后复制

Hello, TensorFlow!1.

如果你不熟悉 TensorFlow，参考 ​ ​Getting Started with TensorFlow​​。

如果系统输出错误信息而不是欢迎语，参考 ​ ​常见安装问题​​。

常见安装问题

我们依据 Stack Overflow 记录 TensorFlow 安装问题和相应的解决方法。下面的表格包括 Stack Overflow 常见的安装问题回复链接，如果你遇到的错误信息或者其它安装问题不在表格中，请在 Stack Overflow 上搜索。如果 Stack Overflow 上没有你搜索的错误信息，提一个新问题并且打上 ​​tensorflow​​ 标签。

TensorFlow Python 包 URL

一些安装方法需要 TensorFlow Python 包的 URL，值与三个方面有关(?)：

• 操作系统
• Python 版本

本节记录了 Mac OS 安装相关的值

Python 2.7

登录后复制

https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-1.2.1-py2-none-any.whl1.

Python 3.4, 3.5, or 3.6

登录后复制

https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-1.2.1-py3-none-any.whl1.

Protobuf pip package 3.1

如果你没有遇到 protobuf pip 包相关的问题可以跳过本节。

注意：如果你的 TensorFlow 运行很慢，可能是和 protobuf pip 包有关的问题。

TensorFlow pip 包依赖 protobuf pip 3.1 版本的包，从 PyPI 下载的 protobuf pip 包（在调用 ​​pip install protobuf​​ 时）是一个仅包含 Python 的库，其中包含执行速度比 C++ 实现慢10 ～ 50 倍的原始序列化/反序列化的Python 实现。 Protobuf 还支持包含基于快速 C++ 的原语解析的 Python 包的二进制扩展，此扩展在标准的仅Python 专用 pip 包中不可用，我们为 protobuf 创建了一个包含二进制扩展名的自定义二进制 pip 包。要安装自定义二进制 protobuf pip 包，请调用以下命令之一：

• 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

安装这些 protobuf 包将会覆盖已安装的包，注意二进制 pip 包已经支持大于 64M 的 protobufs，修复了如下报错：

登录后复制

[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.1.2.3.4.

​

免责声明：本文系网络转载或改编，未找到原创作者，版权归原作者所有。如涉及版权，请联系删