建站网站 国外,c 手机网站开发,辽宁省朝阳市做网站,中国菲律宾海牙法庭大家好#xff0c;我是邵奈一#xff0c;一个不务正业的程序猿、正儿八经的斜杠青年。 1、世人称我为#xff1a;被代码耽误的诗人、没天赋的书法家、五音不全的歌手、专业跑龙套演员、不合格的运动员… 2、这几年#xff0c;我整理了很多IT技术相关的教程给大家#xff0… 大家好我是邵奈一一个不务正业的程序猿、正儿八经的斜杠青年。 1、世人称我为被代码耽误的诗人、没天赋的书法家、五音不全的歌手、专业跑龙套演员、不合格的运动员… 2、这几年我整理了很多IT技术相关的教程给大家爱生活、爱分享。 3、如果您觉得文章有用请收藏转发评论并关注我谢谢 博客导航跳转请收藏邵奈一的技术博客导航 | 公众号 | 微信 | CSDN | 掘金 | 51CTO | 简书 | 微博 | 教程目录 0x00 教程内容0x01 下载安装并配置Miniforge1. 下载并安装Miniforge2. 配置Miniforge 0x02 安装Tensorflow1. 创建虚拟环境2. 安装Tensorflow3. 测试Tensorflow 0x03 安装Jupyter Lab1. 安装依赖2. 测试Jupyter Lab3. 一个尝试 0xFF 总结 0x00 教程内容
本教程配置
苹果电脑配置如下
M1 Max系统版本13.0 (22A380)
但是我觉得问题不大主要还是看我的教程。
安装Miniforge、Tensorflow、Jupyter Lab
我现在需要安装Anaconda但是我这里直接使用了Miniforge替代然后安装Tensorflow、Jupyter Lab等除了我总结我的搭建过程还会在文章最后附带上一些有意义的参考链接。
0x01 下载安装并配置Miniforge
1. 下载并安装Miniforge
从 https://github.com/conda-forge/miniforge下载 Miniforge3-MacOSX-arm64。如下图:
下载完后直接在终端执行以下命令安装Miniforge:
bash Miniforge3-MacOSX-arm64.sh其实还是比较顺利的安装完后Python的版本会被默认使用新安装Python版本可以执行查看。
2. 配置Miniforge
1配置环境变量
接着可以配置一下环境变量我是配置在~/.bash_profile
export MINIFORCE_HOME/Users/shaonaiyi/app/miniforge3
export PATH$MINIFORCE_HOME/bin:$PATH2添加国内镜像源
配置命令如下
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/查看镜像源
conda config --show channels如果配置正确可以看得到刚刚配置上的镜像源。
说明若在本文以后的配置中有些地方网速还是慢开启“全局模式”可解决。
conda config --set show_channel_urls yes0x02 安装Tensorflow
1. 创建虚拟环境
# 创建名为“tf”的虚拟环境:
conda create -n tf python3.9.7
# 激活虚拟环境:
conda activate tf删除上述虚拟环境的命令为此命令不需要执行
conda remove -n tf --all2. 安装Tensorflow
在虚拟机中执行如下命令安装
python -m pip install tensorflow
python -m pip install tensorflow-metal注意新版本里第一行是 tensorflow 不是 tensorflow-macos
3. 测试Tensorflow
安装好后运行如下代码
import tensorflow as tfcifar tf.keras.datasets.cifar100
(x_train, y_train), (x_test, y_test) cifar.load_data()
model tf.keras.applications.ResNet50(include_topTrue,weightsNone,input_shape(32, 32, 3),classes100,)loss_fn tf.keras.losses.SparseCategoricalCrossentropy(from_logitsFalse)
model.compile(optimizeradam, lossloss_fn, metrics[accuracy])
model.fit(x_train, y_train, epochs5, batch_size64)最好一行一行粘贴。
如果环境没有问题结果如下
Type help, copyright, credits or license for more information.import tensorflow as tfcifar tf.keras.datasets.cifar100(x_train, y_train), (x_test, y_test) cifar.load_data()
Downloading data from https://www.cs.toronto.edu/~kriz/cifar-100-python.tar.gz
169001437/169001437 [] - 37s 0us/stepmodel tf.keras.applications.ResNet50(
... include_topTrue,
... weightsNone,
... input_shape(32, 32, 3),
... classes100,)
2024-01-10 14:54:28.725324: I metal_plugin/src/device/metal_device.cc:1154] Metal device set to: Apple M1 Max
2024-01-10 14:54:28.725346: I metal_plugin/src/device/metal_device.cc:296] systemMemory: 64.00 GB
2024-01-10 14:54:28.725351: I metal_plugin/src/device/metal_device.cc:313] maxCacheSize: 24.00 GB
2024-01-10 14:54:28.725396: I tensorflow/core/common_runtime/pluggable_device/pluggable_device_factory.cc:306] Could not identify NUMA node of platform GPU ID 0, defaulting to 0. Your kernel may not have been built with NUMA support.
2024-01-10 14:54:28.725429: I tensorflow/core/common_runtime/pluggable_device/pluggable_device_factory.cc:272] Created TensorFlow device (/job:localhost/replica:0/task:0/device:GPU:0 with 0 MB memory) - physical PluggableDevice (device: 0, name: METAL, pci bus id: undefined)loss_fn tf.keras.losses.SparseCategoricalCrossentropy(from_logitsFalse)model.compile(optimizeradam, lossloss_fn, metrics[accuracy])model.fit(x_train, y_train, epochs5, batch_size64)
Epoch 1/5
2024-01-10 14:54:31.761634: I tensorflow/core/grappler/optimizers/custom_graph_optimizer_registry.cc:117] Plugin optimizer for device_type GPU is enabled.
782/782 [] - 55s 57ms/step - loss: 4.7738 - accuracy: 0.0716
Epoch 2/5
782/782 [] - 41s 53ms/step - loss: 4.2306 - accuracy: 0.1250
Epoch 3/5
782/782 [] - 43s 55ms/step - loss: 3.7030 - accuracy: 0.1791
Epoch 4/5
782/782 [] - 42s 54ms/step - loss: 3.3660 - accuracy: 0.2270
Epoch 5/5
782/782 [] - 43s 55ms/step - loss: 3.1421 - accuracy: 0.2694
keras.src.callbacks.History object at 0x2944ad7300x03 安装Jupyter Lab
1. 安装依赖
安装必须的包此处我是在虚拟环境中执行
conda install libjpegconda install -y matplotlib jupyterlab注意: libjpeg 是 matplotlib 需要依赖的库。
执行以下命令
pip install -U --force-reinstall charset-normalizer 使用 pip 强制重新安装charset-normalizer包即使它已经是最新版本。 1 --force-reinstall : 这个选项会强制重新安装包即使该包已经是最新的。这有时在某些情况下是有用的例如当包的安装有问题或损坏时。 2 -charset-normalizer 是一个用于字符编码归一化的Python库它可以将文本转换为UTF-8格式确保在不同编码之间的一致性。
conda install ipykernel //安装ipykernel
sudo python -m ipykernel install --name tf //在ipykernel中安装当前环境2. 测试Jupyter Lab
装好后就可以直接执行
jupyter lab就可以进入notebook目录了记得选择刚刚Kernel tf 然后执行下面代码
from tensorflow.keras import layers
from tensorflow.keras import models
import tensorflow as tf
import time begin_time time.time()print(fRunning TensorFlow {tf.__version__} with {len(tf.config.list_physical_devices(GPU))} GPUs recognized)model models.Sequential()
model.add(layers.Conv2D(32, (3, 3), activationrelu, input_shape(28, 28, 1)))
model.add(layers.MaxPooling2D((2, 2)))
model.add(layers.Conv2D(64, (3, 3), activationrelu))
model.add(layers.MaxPooling2D((2, 2)))
model.add(layers.Conv2D(64, (3, 3), activationrelu))
model.add(layers.Flatten())
model.add(layers.Dense(64, activationrelu))
model.add(layers.Dense(10, activationsoftmax))
model.summary()from tensorflow.keras.datasets import mnist
from tensorflow.keras.utils import to_categorical
(train_images, train_labels), (test_images, test_labels) mnist.load_data()
train_images train_images.reshape((60000, 28, 28, 1))
train_images train_images.astype(float32) / 255
test_images test_images.reshape((10000, 28, 28, 1))
test_images test_images.astype(float32) / 255
train_labels to_categorical(train_labels)
test_labels to_categorical(test_labels)
model.compile(optimizerrmsprop,losscategorical_crossentropy,metrics[accuracy])
model.fit(train_images, train_labels, epochs5, batch_size64)
test_loss, test_acc model.evaluate(test_images, test_labels)
test_acc
end_time time.time()print(Total time: {} s.format(int(end_time-begin_time)))执行后如果没有报错则应该是这样 如果弹窗报错可能是哪一步错误了建议重新检查或者重装。
3. 一个尝试
安装好后发现在哪各路径执行jupyter lab新建的项目文件就会是在哪个路径。我尝试了以下步骤发现还是无法修改请不要根据下面教程操作
修改/Users/shaonaiyi/app/miniforge3/envs/tf/lib/python3.9/site-packages/notebook_shim/tests/confs/jupyter_notebook_config.py文件实际上是你的envs/tf/路径下的文件。 然后将c.ServerApp.notebook_dir 路径进行修改即可我的如下
c.ServerApp.notebook_dir /Users/shaonaiyi/my-workspace/jupyter注意我的用户名为 shaonaiyi
发现不生效说明虚拟环境是不支持这样改的你可以直接去修改不是虚拟环境下的 jupyter_notebook_config.py 试试。会不会有惊喜呢
参考链接
Mac M1芯片安装miniAnaconda、Jupyter、TensorFlow环境MacBook M1配置Pytorch可能遇到的错误报错Kernel Restarting The kernel for Untitled.ipynb appears to have died. It will restart automatical
0xFF 总结
我尝试过去限定TensorFlow的版本比如设置成2.10但是发现在装metal的时候报错了因为找不到…所以我最后干脆不加上版本直接全部默认装就可以了。关注我学习更多大数据与人工智能知识。 邵奈一 原创不易如转载请标明出处教育是一生的事业。
