文章目录

  • 写在前面
  • conda安装优化版TensorFlow
  • 安装其他数据科学软件包
    • pandas\&pytables
    • matplotlib
    • ipython
  • 20210314下午更新
  • 源码编译安装sklearn
    • 安装相关依赖
  • 验证
  • 参考

写在前面

折腾了一晚上,终于搞定了用conda-forge安装Apple优化之后的TensorFlow啦!真的太不容易了…一开始我是不想折腾的,后来才发现直接用bash安装的Python虚拟环境使用起来有很多不方便的地方,而且就算很多软件包可以通过源码编译的方式安装到虚拟环境,但是还是有那么几个不配合的软件包安装不了…就比如sklearn,人家官网上明确说了:

For Apple Silicon M1 hardware, only the conda-forge method below is known to work at the time of writing (January 2021). You can install the macos/arm64 distribution of conda using the miniforge installer

对于Apple Silicon M1硬件，在撰写本文时（2021年1月），只有下面的conda-forge方法有效。 您可以使用miniforge安装程序安装conda的macos / arm64发行版。

那就只好硬着头皮找方法了,在Apple的GitHub主页issue3中,还真的有用miniforge安装TensorFlow的方法,安装起来没啥难度,除了那烦人的网速…

安装好TensorFlow之后,就是sklearn这个包的安装了,除了要特别指定一下brew安装的libomp包的位置,其他的根据官网的步骤一路走下来就能安装好了.下面具体操作.
sklearn可以不编译安装..我傻了\color{red}sklearn可以不编译安装..我傻了sklearn可以不编译安装..我傻了

conda安装优化版TensorFlow

这里需要先创建虚拟环境,激活该环境,

conda create -n tf24 python=3.8
conda activate tf24

然后就是指定一下TensorFlow_macos这个下载好的软件包的位置,

libs="/Users/xxx/tensorflow_macos/arm64/"
env="/opt/homebrew/Caskroom/miniforge/base/envs/tf24/"

安装相关依赖包,这里也要注意一下版本号,建议复制一下安装的文件名,要不可能会找不到文件(版本更新很快的):

conda install -c conda-forge pip setuptools cached-property six
conda upgrade -c conda-forge pip setuptools cached-property six
pip install --upgrade -t "$env/lib/python3.8/site-packages/" --no-dependencies --force "$libs/grpcio-1.33.2-cp38-cp38-macosx_11_0_arm64.whl"
pip install --upgrade -t "$env/lib/python3.8/site-packages/" --no-dependencies --force "$libs/h5py-2.10.0-cp38-cp38-macosx_11_0_arm64.whl"
pip install --upgrade -t "$env/lib/python3.8/site-packages/" --no-dependencies --force "$libs/tensorflow_addons_macos-0.1a3-cp38-cp38-macosx_11_0_arm64.whl"

接下来是跟TensorFlow有关的一些包:

conda install -c conda-forge -y absl-py
conda install -c conda-forge -y astunparse
conda install -c conda-forge -y gast
conda install -c conda-forge -y opt_einsum
conda install -c conda-forge -y termcolor
conda install -c conda-forge -y typing_extensions
conda install -c conda-forge -y wheel
conda install -c conda-forge -y typeguard

TensorBoard:

pip install tensorboard

TensorFlow相关组件:

pip install wrapt flatbuffers tensorflow_estimator google_pasta keras_preprocessing protobuf

最后就是重头戏TensorFlow本尊了(同样需要注意版本号):

pip install --upgrade -t "$env/lib/python3.8/site-packages/" --no-dependencies --force "$libs/tensorflow_macos-0.1a3-cp38-cp38-macosx_11_0_arm64.whl"

安装其他数据科学软件包

这个比起来直接创建的tf_venv环境下安装软件包(各种编译安装),简直是简单到爆了,直接conda install走天下…就是指定一下channel为conda-forge就可以了.

pandas&pytables

conda install pandas -c conda-forge
conda install pytables -c conda-forge

matplotlib

conda install matplotlib -c conda-forge

ipython

conda install ipython -c conda-forge

20210314下午更新

后来找到一篇medium博客的文章:tensorflow-2-4-on-apple-silicon-m1-installation-under-conda-environment(需要富强上网).
直接一句

conda install -c conda-forge scikit-learn

就解决的问题,我非给源码编译了一遍??希望大家别学我…尽量找到最方便快捷的方法.

源码编译安装sklearn

由于sklearn不支持直接用homebrew编译安装,那就只好硬着头皮编译了.

安装相关依赖

conda activate tf24
conda install  -c conda-forge scipy cython \joblib threadpoolctl pytest compilers llvm-openmp
brew install libomp

需要记录一下libomp的位置,一会导入路径时候要修改一下:

/opt/homebrew/Cellar/libomp/11.1.0/lib
/opt/homebrew/Cellar/libomp/11.1.0/include

直接运行安装命令的话又是一大片的红色报错,根据官网的提示:

The compilers meta-package will automatically set custom environment variables:

echo $CC
echo $CXX
echo $CFLAGS
echo $CXXFLAGS
echo $LDFLAGS

They point to files and folders from your sklearn-dev conda environment (in particular in the bin/, include/ and lib/ subfolders). For instance -L/path/to/conda/envs/sklearn-dev/lib should appear in LDFLAGS.
For instance -L/path/to/conda/envs/sklearn-dev/lib should appear in LDFLAGS.

只需要修改编译路径为虚拟环境的路径即可,但是我修改后编译还是没有成功,后来抱着试一试的态度再看一下下面介绍的brew安装的方法,就是把环境变量导入为libomp包的位置,然后再运行,竟然成功了!!!

首先看一下官网给出的(Intel芯片的brew位置),

export CC=/usr/bin/clang
export CXX=/usr/bin/clang++
export CPPFLAGS="$CPPFLAGS -Xpreprocessor -fopenmp"
export CFLAGS="$CFLAGS -I/usr/local/opt/libomp/include"
export CXXFLAGS="$CXXFLAGS -I/usr/local/opt/libomp/include"
export LDFLAGS="$LDFLAGS -Wl,-rpath,/usr/local/opt/libomp/lib -L/usr/local/opt/libomp/lib -lomp"

需要修改为(上一步没记录的话,需要brew info libomp看一下安装位置)本地编译版本的brew的包安装位置:

export CC=/usr/bin/clang
export CXX=/usr/bin/clang++
export CPPFLAGS="$CPPFLAGS -Xpreprocessor -fopenmp"
export CFLAGS="$CFLAGS -I/opt/homebrew/Cellar/libomp/11.1.0/include"
export CXXFLAGS="$CXXFLAGS -I/opt/homebrew/Cellar/libomp/11.1.0/include"
export LDFLAGS="$LDFLAGS -Wl,-rpath,/opt/homebrew/Cellar/libomp/11.1.0/lib -L/opt/homebrew/Cellar/libomp/11.1.0/lib -lomp"

然后再执行编译,

make clean
pip install --verbose --no-build-isolation --editable .

successfully这个单词我印象深刻…

然后用

conda list

查看一下包信息:

scikit-learn              0.24.1                    dev_0    <develop>
scipy                     1.6.0            py38hdf044fb_0    conda-forge
setuptools                49.6.0           py38h10201cd_3    conda-forge
six                       1.15.0             pyh9f0ad1d_0    conda-forge
sqlite                    3.34.0               h6d56c25_0    conda-forge
tapi                      1100.0.11            he4954df_0    conda-forge
tensorboard               2.4.1                    pypi_0    pypi
tensorboard-plugin-wit    1.8.0                    pypi_0    pypi
tensorflow                2.4.0rc0                 pypi_0    pypi

完成!
但是这里还不能急着庆祝,查看一下sklearn包的安装位置:

In [6]: sklearn._config
Out[6]: <module 'sklearn._config' from '/Users/xxx/Downloads/scikit-learn-0.24.1/sklearn/_config.py'>

其实是被安装在了源码文件夹,需要再进行操作才可以安装到虚拟环境中,

  1. 拷贝安装文件以及egg-info文件:

    (tf24) ~/Downloads/scikit-learn-0.24.1 												
    

											

    m1芯片Mac安装Apple版TensorFlow(conda-forge)+编译安装sklearn相关推荐
    	

      
								
    1. 支持M1芯片mac 达芬奇17中文版（详细安装教程） DaVinci Resolve Studio 17.3.1b5
		
      DaVinci Resolve Studio 17 Mac中文版 达芬奇版 专业的非线性编辑结合 好莱坞的调色利器! 已通过小编安装运行测试 100%可以使用. 安装教程 达芬奇17版镜像包下载完成后 ...
      
		
      2. 
						
    2. (转）在Windows上安装GPU版Tensorflow
		
      转载自在Windows上安装GPU版Tensorflow. 1. 下载安装Anaconda 简单说就是下载 64位 python 3.5 版本的Anaconda https://www.continu ...
      
		
      3. 
						
    3. M1芯片Mac也可以安装Windows系统啦 使用PD16虚拟机安装ARM版Windows10教程
		
      现在,如果你想在 M1芯片的 Mac上安装 Windows,你需要准备两个东西. 一个是支持M1芯片mac的Parallels Desktop Mac最新版(最好用的虚拟机软件)支持m1芯片(点击安装 ...
      
		
      4. 
						
    4. 解决M1处理器安装Pr闪退问题 Adobe Premiere 2020 Mac M1优化稳定版（支持最新款M1芯片Mac）
		
      苹果公司最新发布的基于M1芯片的Mac笔记本电脑应该很多小伙伴都入手了,但是最新的Mac由于采用的是基于ARM架构的核心,对很多基于Intel(英特尔)处理器的老款mac的软件应用兼容不太好,导致很多 ...
      
		
      5. 
						
    5. 解决M1芯片Mac版Maxon Cinema 4D R23 安装不上问题 Mac M1 C4DM1中文直装版安装教程
		
      Cinema 4D R23是目前C4D系列软件的最新版本. 由于简单的操作方式以及强悍的功能,使得它在全世界范围内都十分的受欢迎,比如人们熟知的电影<阿凡达>就是通过它后期处理而来,可见作 ...
      
		
      6. 
						
    6. arm架构安装rxtx_Parallels推新版本 M1芯片Mac能安装Win 10
		
      搭载苹果自研M1芯片的Mac终于在上个月发布,性能表现也着实让人惊喜,但是由于基于ARM架构,系统的兼容性一直饱受质疑.然而Mac平台知名虚拟化软件Parallels最近宣布了一个令人振奋的好消息,新 ...
      
		
      7. 
						
    7. 5月最新M1芯片安装PS2021和PS2020已更新M1芯片mac安装PS2021解决教程（附安装方法）
		
      众所周知,苹果推出的搭载M1芯片的MAC电脑是基于ARM架构设计的最新处理器,相比intel架构M1芯片有这更低的功耗和更强劲的处理性能,苹果推出的M1为了保证之前的英特尔架构的软件兼容性,使用了Ro ...
      
		
      8. 
						
    8. 【最新】M1芯片Mac安装PS2021/2020卡在启动页解决教程下载方法
		
      苹果在近期更新了11.3系统,终于解决PS的权限问题,很多用户可能都看到了M1芯片Mac安装PS2020和PS2021的安装更新,并且都安装了,但是很多M1芯片用户安装后都相继的出现了打开PS 一直卡 ...
      
		
      9. 
						
    9. 如何怎样在M1芯片Mac上安装PS？M1芯片安装Photoshop详细教学方法2021最新方法
		
      苹果公司在2020年发布了搭载AMR架构的M1芯片SOC集成处理器,因为架构的变更,相对于英特尔的处理器对很多旧版软件兼容性不是太好! 随着M1搭载M1芯片的MAC更新了最新系统,最新适配的M1的PS ...
      
		
      10. 
		
    

					

    最新文章
    	

      
						
    1. Android运行出现“java.io.IOException: 您的主机中的软件放弃了一个已建立的连接。”...
		
      2. 
						
    2. 网络——Cisco Packet Tracer 思科模拟器组网实验
		
      3. 
						
    3. 一个毕设的建成——记录下我毕设途中的《SOP》
		
      4. 
						
    4. 【Python CheckiO 题解】Right to Left
		
      5. 
						
    5. JavaEE实战班第三天
		
      6. 
						
    6. （10）System Verilog 虚方法
		
      7. 
						
    7. 【动态规划】P4170 ：涂色（区间dp）
		
      8. 
						
    8. Way back into love
		
      9. 
						
    9. 数据库系统原理及mysql应用教程第二版_数据库系统原理及MySQL应用教程（第2版）...
		
      10. 
						
    10. Java入门 - 循环结构基础
		
      11. 
						
    11. 4412开发板上的步进电机小知识
		
      12. 
						
    12. Android 5.0特性
		
      13. 
						
    13. B2B供应链管理平台主流技术架构方案
		
      14. 
						
    14. HTML标签关系——双标签和单标签，标签的嵌套与并列
		
      15. 
						
    15. 程序员：耐得住寂寞，禁得住诱惑
		
      16. 
						
    16. 计算机考研数学几,考研数学一二三区别是什么?
		
      17. 
						
    17. python：使用机器学习算法对卫星遥感影像进行分类
		
      18. 
						
    18. 【机器学习算法】隐马尔可夫模型HMM（一）
		
      19. 
						
    19. Python百度地图API，通过区县、村镇地址获取完整省市区行政区划
		
      20. 
						
    20. 如何判断软件质量的的好坏，软件质量的特征
		
      21. 
		
    
	


    热门文章
    	

      
									
    1. 基于I2C总线的MPU6050学习笔记
			
      2. 
						
    2. 线段树——最大数——洛谷——1198
			
      3. 
						
    3. Codeforces Round #422(Div 2)
			
      4. 
						
    4. Andrew Ng机器学习公开课笔记 -- Logistic Regression
			
      5. 
						
    5. 10 个实验性的 JS/CSS3 编程技术
			
      6. 
						
    6. CAD国家制图员技术标准（OSTA)
			
      7. 
						
    7. document 文挡对象详解(JavaScript脚本语言描述)
			
      8. 
						
    8. Excel合并单元格基础注意事项（VSTO 2005）
			
      9. 
						
    9. clion IDEA 2019 Activation Code
			
      10. 
						
    10. 拓扑排序——最大食物链计数(洛谷 P4017)
			
      11.