M1芯片 如何安装GPU版本的tensorflow

注意:目前好像pytorch GPU的适应m1芯片的版本还没有推出.

一、安装Miniforge3

(1)在github上下载ARM版Miniforge,链接:githu地址

(2) 完成后,在下载目录打开iterm,运行该脚本

bash Miniforge3-MacOSX-arm64.sh

(3)根据操作安装完后,激活Conda的环境变量

vim ~/.bash_profile

然后按i,进入编辑模式,输入自己的conda环境路径,到bin,地址通常为"/Users//miniforge3/bin:"

export PATH="地址:$PATH"

输入完之后按Esc键,然后输入:wq回车.(正常的vim使用方法)

(4)输入如下命令,激活配置

source $HOME/.bash_profile

(5)检验,在终端输入python,查看是否出现conda-forge

二、创建虚拟环境,并安装tensorFlow

(1)使用conda创建ARM版的python3.9的虚拟环境

• 创建虚拟环境

conda create -n tensorflow_env python=3.9

• 激活刚才创建的python3.9的解释器

conda activate tensorflow_env

(2)依次输入如下命令安装Tensorflow及其依赖项

conda install -c apple tensorflow-deps
python -m pip install tensorflow-macos
python -m pip install tensorflow-metal

三、pycharm验证是否成功

(1)创建一个新的工程,其中选择刚刚创建的虚拟环境
创建工程时通过该选项选择自己创建的虚拟环境

然后运行如下代码:

import tensorflow as tf
import time


# Press the green button in the gutter to run the script.
if __name__ == '__main__':
    mnist = tf.keras.datasets.mnist

    (x_train, y_train), (x_test, y_test) = mnist.load_data()
    x_train, x_test = x_train / 255.0, x_test / 255.0

    model = tf.keras.models.Sequential([
        tf.keras.layers.Flatten(input_shape=(28, 28)),
        tf.keras.layers.Dense(128, activation='relu'),
        tf.keras.layers.Dropout(0.2),
        tf.keras.layers.Dense(10, activation='softmax')
    ])

    model.compile(optimizer='adam',
                  loss='sparse_categorical_crossentropy',
                  metrics=['accuracy'])

    start = time.time()

    model.fit(x_train, y_train, epochs=5)

    end = time.time()

    model.evaluate(x_test, y_test)
    print(end - start)

(2)通过 活动监视器 查看GPU使用率