Apple MacBook M1 Anaconda安装 Tensorflow

MacBook M1芯片安装Tensorflow踩坑（建议用推荐）

首先看下TensorFlow版本和Python的适配：

参考：https://tensorflow.google.cn/install/source#macos

踩坑1：在mac m1上安装tensorflow报错“zsh: illegal hardware instruction”

环境： macOS Big Sur 11.5.1 + anaconda + python3.8

直接用 pip install tensorflow 安装，能够顺利安装tensorflow2.5.0，但是import tensorflow 的时候会报如上错误.

macOS M1(Apple Silicon) 安装配置 Conda 环境

踩坑2：ARM版本conda

废话忽略：通俗的说就是，你想要一个苹果公司的最好吃的苹果，但是苹果公司提供38号苹果树只能结普通苹果，但是苹果市场有39号的苹果树能结最好吃苹果，而且支持嫁接给苹果公司的苹果树。那我们的做法是，选市场里的39号苹果树培养一个结最好吃苹果的38号苹果树，再把这个38号苹果树给苹果公司种植，然后你就能得到最好吃的苹果了。

废话不多说，开干吧！

总结：国内技术贴上的各个教程都不尽相同，而且看的比较烦躁了，花了我5-6小时，搞得我都疑惑 ：Anaconda目前为止还不支持M1芯片吗？还是自己摸索下吧。本人也最烦配置参数和修改系统文件了。如下简单粗暴的安装大家可以参照，如有更优选择，烦请告知。

第一种方法：下载miniforge3适配Python3.8+TensorFlow2.4.0

1. 下载ARM版Miniforge3

下载ARM版Miniforge3：选择最新的arm64版本；

https://github.com/conda-forge/miniforge/releases/latest/download/Miniforge3-MacOSX-arm64.sh

bash Miniforge3-MacOSX-arm64.sh 

这里安装开始，一定要慢慢回车，问题全部选择yes.

安装完成后重启终端，然后输入Python就可以看到Python 3.9了。

这样miniforge就安装好了。

2.创建虚拟环境

创建Python3.8虚拟环境并安装TensorFlow：

conda create -n py38 python=3.8 conda activate py38 

第二种方法：安装了Anaconda的，目前可行的最简单的conda install 方法: 低版本适配Python3.7+tensorflow2.0.0

小心坑：直接上会出错哦

conda create -n tensorflow_env python=3.8 

激活环境：

conda activate tensorflow_env 

然后直接安装:

conda install tensorflow 

低配成功了

第二种尝试成功：安装低版本的tensorflow 2.0.0, python = 3.7，创建新的环境：

conda create -n tensorflow_env_py37 python=3.7 conda activate tensorflow_env_py37 # check your python version python --version # install conda install tensorflow # enter your python python # check tensorflow import tensorflow as tf 

需要等待一会，加载tensorflow，之后没有报错。

下面用官网的一个例子，测试下，可以正常运行。

import tensorflow as tf # 载入MNIST数据集 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 # 搭建模型 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']) # 训练并验证模型 model.fit(x_train, y_train, epochs=5) model.evaluate(x_test, y_test, verbose=2) 

这样两个各个版本的TensorFlow都可以拥有了。目前没啥问题。

第三种方法：Python3.9 +TensorFlow2.5

conda install -c apple tensorflow-deps 

step 2. Install base TensorFlow

python -m pip install tensorflow-macos 

step 3. Install tensorflow-metal plugin

python -m pip install tensorflow-metal 

如果安装pycharm，使用TensorFlow

pycharm是支持M1 芯片的，放心使用，就是选择Python解释器时，选择你前面创建的虚拟环境即可。

Anaconda上安装pytorch

在前面安装好miniforge3的基础上，在Anaconda上的可以安装Pytorch1.8.0版本。

conda install pytorch torchvision -c pytorch 

可以正常安装。

第四种方法（推荐）：TensorFlow2.4（ARM64）

踩坑3（9月更新：避坑推荐）：Mac-optimized TensorFlow and TensorFlow Addon

具体看我的另一篇博文：Macbook M1避坑指南：安装Apple-TensorFlow（arm64）

3.1 针对能import tensorflow，但是模型无法编译

如果在虚拟环境下能正常import tensorflow，但是模型无法编译。 例如使用keras，一个简单的Sequential模型，到model.compile()就报错了。错误如下：

问题描述：无法在M1上使用keras进行模型编译

报错信息：

2021-09-29 12:04:50.: I tensorflow/compiler/mlir/mlir_graph_optimization_pass.cc:116] None of the MLIR optimization passes are enabled (registered 2) 2021-09-29 12:04:50.: W tensorflow/core/platform/profile_utils/cpu_utils.cc:126] Failed to get CPU frequency: 0 Hz 2021-09-29 12:04:50.: F tensorflow/core/grappler/costs/op_level_cost_estimator.cc:710] Check failed: 0 < gflops (0 vs. 0)type: "CPU" model: "0" num_cores: 8 environment { 
    key: "cpu_instruction_set" value: "ARM NEON" } environment { 
    key: "eigen" value: "3.3.90" } l1_cache_size: 16384 l2_cache_size:  l3_cache_size:  memory_size:  zsh: abort /Users/dan/miniforge3/envs/pytorch_env/bin/python 

3.2解决方案

Step 1：安装Xcode Command Line Tools，Apple Developer下载安装即可。

Step 2：安装arm版本miniforge。

从miniforge github选择最新的ARM64版本，一路yes就行。

之后终端conda --version 或 conda info -e检查是否成功。

Step 3： 从Mac-optimized TensorFlow2.4 and TensorFlow Addons下载ARM64版本的TensorFlow2.4，具体的安装要求是macOS 11.0+， Python3.8.

进入releases选择最新的版本tensorflow_macos-0.1alpha3.tar.gz：

tensorflow_macos-0.1alpha3.tar.gz下载后，先解压会出现2个文件夹arm64和x86_64，需要cd进入arm64文件夹。

Step 4：路径到.\arm64，创建conda虚拟环境。

创建一个新环境tf24:

conda create --name tf24 

创建后利用conda info -e 查看。

激活环境tf24，安装Python3.8.6和pandas等。

conda activate tf24 conda install -y python==3.8.6 conda install -y pandas matplotlib scikit-learn jupyterlab 

Step 5：开始安装Apple-TensorFlow2.4

Step 5.1查看arm64文件夹，强制安装这些whl文件（注意：这里不安装Tensorflow的包）

如下所示arm64文件夹内的whl文件：

先强制安装除Tensorflow包以外的whl：

pip install --upgrade --no-dependencies --force numpy-1.18.5-cp38-cp38-macosx_11_0_arm64.whl grpcio-1.33.2-cp38-cp38-macosx_11_0_arm64.whl h5py-2.10.0-cp38-cp38-macosx_11_0_arm64.whl 

Step 5.2 安装完成后，再安装一些依赖库：

因为安装TensorFlow有很多依赖的其他包，先安装这些依赖包。具体如下所示：

pip install absl-py astunparse flatbuffers gast google_pasta keras_preprocessing opt_einsum protobuf tensorflow_estimator termcolor typing_extensions wrapt wheel tensorboard typeguard 

Step 5.3 终于可以安装TensorFlow

继续安装来自arm64文件夹的whl文件：

pip install --upgrade --force --no-dependencies tensorflow_macos-0.1a3-cp38-cp38-macosx_11_0_arm64.whl 

pip install --upgrade --force --no-dependencies tensorflow_addons_macos-0.1a3-cp38-cp38-macosx_11_0_arm64.whl 

至此tensorflow安装完成。

Step 5.4 进入Python检查TensorFlow版本

Step 5.5 测试代码

import tensorflow as tf import time 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.summary() 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) 

可以正常编译：

第五种方法（最新推荐）：支持M1的3.9+TensorFlow2.5/2.6

Step 1. 把你的macOS升级到最新版本12.0+

Step 2. arm64 : Apple Silicon环境安装，即miniforge3安装（具体安装可以参考第一种方法介绍）

下载并安装Conda env:

chmod +x ~/Downloads/Miniforge3-MacOSX-arm64.sh sh ~/Downloads/Miniforge3-MacOSX-arm64.sh source ~/miniforge3/bin/activate 

Step 3. 安装TensorFlow依赖：

有以下2种情况：

第一种情况：已经安装过2.4的依赖，现在想要升级到2.5或2.6版本的：

# uninstall existing tensorflow-macos and tensorflow-metal python -m pip uninstall tensorflow-macos python -m pip uninstall tensorflow-metal # Upgrade tensorflow-deps conda install -c apple tensorflow-deps --force-reinstall # or point to specific conda environment conda install -c apple tensorflow-deps --force-reinstall -n my_env 

第二种情况：第一次安装，可选TensorFlow版本2.5或2.6

如果是TensorFlow 2.5：

conda install -c apple tensorflow-deps==2.5.0 

如果是TensorFlow 2.6：

conda install -c apple tensorflow-deps==2.6.0 

Step 4. 安装TensorFlow base：

python -m pip install tensorflow-macos 

Step 5. 安装TensorFlow插件：

python -m pip install tensorflow-metal 

Anaconda安装package出问题

可以看另二篇博文：

1. Macbook m1 with conda-forge安装package报错和解决
2. 异常处理：macOS M1下Anaconda安装package
   包括安装gensim,keras等常用库时遇到的报错。
   
   

欢迎各位关注我的个人公众号：HsuDan，我将分享更多自己的学习心得、避坑总结、面试经验、AI最新技术资讯。