mac m1,m2 安装 提供GPU支持的pytorch和tensorflow | 您所在的位置:网站首页 › tensorflow安装成功代码 › mac m1,m2 安装 提供GPU支持的pytorch和tensorflow |
mac m1,m2 安装 提供GPU支持的pytorch和tensorflow
Anaconda
安装
测试
Pytorch
参考链接
安装步骤
安装 Xcode
创建conda环境
测试
加速效果
注意
Tensorflow
参考链接
安装步骤
安装 Xcode
指定安装环境
加速效果
测试
The End
mac m1 刚出的时候,各种支持都不完善。那时候要使用conda,只能选择miniconda。几年过去了,各种主流软件对mac m1,m2的支持都已经非常完善了。
比如Pytorch,正如官网所写:
In collaboration with the Metal engineering team at Apple, we are excited to announce support for GPU-accelerated PyTorch training on Mac. 于是,我重新基于Anaconda安装了一下GPU支持的Pytorch和Tensorflow。 Anaconda 安装Anaconda 下载地址:Anaconda 下载 可以看到官方已经支持M1 Chip。 下载图形化安装包或者命令行安装方式到本地。我更喜欢命令行的安装。 然后执行即可开始安装: bash 安装白路径/安装包名 # 或者 zsh 安装白路径/安装包名 测试测试是否安装成功: conda --version如果成功输出,则代表安装成功。(安装完成之后要source一下~/.zshrc或者重启终端) Pytorch 参考链接 Accelerated PyTorch training on Mac Introducing Accelerated PyTorch Training on Mac Installing PyTorch on Apple M1 chip with GPU Acceleration 安装步骤 安装 Xcode安装过的可以直接到下一步。 命令行安装:xcode-select --install,或者App Store下载。 创建conda环境 conda create -n torch-gpu python=3.8 conda activate torch-gpu然后到Pytorch官网选择对应的版本,复制安装命令。 测试终端输入python进入python命令行。 import torch import math print(torch.backends.mps.is_available()) # True print(torch.backends.mps.is_built()) # True都输出为True即可。 加速效果 注意To run PyTorch code on the GPU, use torch.device(“mps”) analogous to torch.device(“cuda”) on an Nvidia GPU. 在mac m1上,device是’mps’ 而不是’cuda’。 Tensorflow 参考链接 What is the proper way to install TensorFlow on Apple M1 in 2022 Get started with tensorflow-metal Accelerating TensorFlow Performance on Mac Install TensorFlow on Mac M1/M2 with GPU support 安装步骤 安装 Xcode安装过的可以直接到下一步。 命令行安装:xcode-select --install,或者App Store下载。 指定安装环境 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然后使用conda,根据文件内容创建新环境。 conda env create -n tf_gpu -f tf-metal-arm64.yaml 加速效果 测试 import sys import tensorflow.keras import tensorflow as tf import platform print(f"Python Platform: { platform.platform()}") print(f"Tensor Flow Version: { tf.__version__}") print(f"Keras Version: { tensorflow.keras.__version__}") print() print(f"Python { sys.version}") gpu = len(tf.config.list_physical_devices('GPU'))>0 print("GPU is", "available" if gpu else "NOT AVAILABLE") The End安装完成。 |
CopyRight 2018-2019 实验室设备网 版权所有 |