在 Mac OS X 上安装 TensorFlow

这个文档说明了如何在 Mac OS X 上安装 TensorFlow。

注意：从 1.2 版本开始，在 Mac OS X 上 TensorFlow 不再支持 GPU。

确定如何安装 TensorFlow

你可以选择一种方式安装 TensorFlow，支持下面的几种选择：

• virtualenv
• "本地" pip
• Docker
• 从源代码安装，更专业有单独的文档记录

我们建议使用 virtualenv 安装。virtualenv 是一个和其它 Python 项目开发隔离的虚拟 Python 环境，在同一台机器上不会干扰也不会被其它程序影响。virtualenv 安装过程中，你不仅仅安装了 TensorFlow 还有它的所有依赖包。（事实上这很简单）要开始使用 TensorFlow，你需要“启动” virtualenv 环境。总而言之，virtualenv 提供了一个安全可靠的 TensorFlow 安装和运行机制。

本地 pip 安装 TensorFlow 不经过任何容器或者虚拟环境系统直接装到了系统上，由于本地 pip 安装没被关闭，pip 安装会干扰或者影响系统上其它有 Python 依赖的安装。而且，如果要通过本地 pip 安装，你需要禁用系统完整性保护（SIP）。然而，如果你了解 SIP，pip 和 你的 Python 环境，本地 pip 安装相对容易执行。

Docker 可使 TensorFlow 的安装完全脱离于机器上的其它已存在的包，Docker 容器包括 TensorFlow 和它的所有依赖。注意 Docker 镜像可能很大（几百 M）。如果你已将 TensorFlow 集成到使用了 Docker 的大型应用架构中可以选择 Docker 安装。

选择 Anaconda，你可以使用 conda 创建一个虚拟环境，我们建议使用 pip install 命令而不是 coda install 命令安装 TensorFlow。

注意：coda 包是社区而不是官方支持，也就是说，TensorFlow 团队既不测试也不维护 conda 包，如果使用风险自己承担。

使用 virtualenv 安装

按照以下步骤安装 TensorFlow：

1. 打开终端（一个 shell），你将在这个终端中执行随后的步骤

2. 通过以下命令安装 pip 和 virtualenv：

shell $ sudo easy_install pip $ sudo pip install --upgrade virtualenv

1. 执行以下任一命令创建虚拟环境：

shell $ virtualenv --system-site-packages targetDirectory # for Python 2.7 $ virtualenv --system-site-packages -p python3 targetDirectory # for Python 3.n

targetDirectory 因虚拟环境根路径而异，我们的命令假使 targetDirectory 是 ~/tensorflow，但你可以选择任一目录。

1. 执行任一命令激活虚拟环境：

shell $ source ~/tensorflow/bin/activate # If using bash, sh, ksh, or zsh $ source ~/tensorflow/bin/activate.csh # If using csh or tcsh

上面的 source 命令应该将提示符改成了下面这样：

shell (tensorflow)$

1. 如果已经安装了 pip 8.1 或者更新的版本，执行以下任一命令在激活的虚拟环境中安装 TensorFlow 及其所有依赖：

shell $ pip install --upgrade tensorflow # for Python 2.7 $ pip3 install --upgrade tensorflow # for Python 3.n

如果前面的命令执行成功了，跳过步骤 6；如果失败了，再执行步骤 6。

1. 可选，如果步骤 5 失败了（一般是因为你使用了低于 8.1 版本的 pip），执行以下任一命令在激活的虚拟环境中安装 TensorFlow：

shell $ pip install --upgrade tfBinaryURL # Python 2.7 $ pip3 install --upgrade tfBinaryURL # Python 3.n

tfBinaryURL 是 Tensorflow 包的 URL，准确的 tfBinaryURL 值因操作系统和 Python 版本而异，在这里找到和你系统相关的 tfBinaryURL 值。例如，你要在 Mac OS X 上安装 Python 2.7 对应的 Tensorflow 版本，在虚拟环境中安装 Tensorflow 就执行下面的命令：

shell $ pip3 install --upgrade \ https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-1.2.1-py2-none-any.whl

如果安装过程中遇到麻烦，参考常见安装问题。

下一步

安装完成后，验证你的安装是否工作正常。

注意，每打开一个新的 shell 使用 TensorFlow 都必须激活虚拟环境。如果当前虚拟环境没有被激活（也就是提示符不是 tensorflow），执行以下任一命令：

$ source ~/tensorflow/bin/activate      # bash, sh, ksh, or zsh
$ source ~/tensorflow/bin/activate.csh  # csh or tcsh 

你的提示符变成下面这样说明 tensorflow 环境已经激活：

(tensorflow)$ 

当虚拟环境激活后，你可以在这个 shell 中运行 TensorFlow 程序。如果你不再使用 TensorFlow，可以通过下面命令退出环境：

(tensorflow)$ deactivate 

提示符将会恢复到默认的（在 PS1 中定义的）。

卸载 TensorFlow

如果你想卸载 TensorFlow，简单地移除你创建的目录。例如：

 $ rm -r ~/tensorflow 

使用本地 pip 安装

我们已经将 TensorFlow 二进制文件上传到了 PyPI，因此你可以通过 pip 安装， REQUIRED_PACKAGES section of setup.py 文件列出了 pip 将要安装或升级的包。

必备: Python

要安装 TensorFlow，你的系统必须依据安装了以下任一 Python 版本：

• Python 2.7
• Python 3.3+

如果你的系统还没有安装符合以上版本的 Python，现在安装。

安装 Python，你可能需要禁用系统完整性保护（SIP）来获得从 Mac App Store 外安装软件的许可。

必备: pip

Pip 安装和管理 Python写的软件包，如果你要使用本地 pip 安装，系统上必须安装下面的任一 pip 版本：

• pip, for Python 2.7
• pip3, for Python 3.n.

pip 或者 pip3 可能在你安装 Python 的时候已经安装了，执行以下任一命令确认系统上是否安装了 pip 或 pip3：

$ pip -V  # for Python 2.7
$ pip3 -V # for Python 3.n 

我们强烈建议使用 pip 或者 pip3 为 8.1 或者更新的版本安装 TensorFlow，如果没有安装，执行以下任一命令安装或更新：

$ sudo easy_install --upgrade pip
$ sudo easy_install --upgrade six 

安装 TensorFlow

假设你的 Mac 上已经装好了必备的程序，按照以下步骤执行：

1. 执行以下任一命令安装 TensorFlow：

shell $ pip install tensorflow # Python 2.7; CPU support $ pip3 install tensorflow # Python 3.n; CPU support

如果上面的命令执行完成，现在可以验证你的安装了。

1. (可选的) 如果步骤 1 失败了，执行下面的命令安装最新版本 TensorFlow：

shell $ sudo pip install --upgrade tfBinaryURL # Python 2.7 $ sudo pip3 install --upgrade tfBinaryURL # Python 3.n

tfBinaryURL 是 Tensorflow 包的 URL，准确的 tfBinaryURL 值因操作系统和 Python 版本而异，在这里找到和你系统相关的 tfBinaryURL 值。例如，你要在 Mac OS X 上安装 Python 2.7 对应的 Tensorflow 版本，在虚拟环境中安装 Tensorflow 就执行下面的命令：

shell $ sudo pip3 install --upgrade \ https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-1.2.1-py2-none-any.whl

如果以上命令运行失败，参考 安装问题：

下一步

安装完成后，验证你的安装是否工作正常。

卸载 TensorFlow

如果要卸载 TensorFlow，执行下面的命令：

$ pip uninstall tensorflow
$ pip3 uninstall tensorflow 

使用 Docker 安装

按照以下步骤使用 Docker 安装 TensorFlow：

1. 按照 文档 在你的机器上安装 Docker
2. 启动任一个包含 TensorFlow 镜像的 Docker 容器

本节剩下部分解释如何启动 Docker 容器。

要启动包含 TensorFlow 镜像的 Docker 容器，执行以下命令：

 $ docker run -it -p hostPort:containerPort TensorFlowImage 

where:

• -p hostPort:containerPort 是可选的，如果你想从 shell 运行 TensorFlow 程序忽略这个选项。如果你想从 Jupyter notebook 运行 TensorFlow 程序，hostPort 和 containerPort 都设置为 8888。如果你想在镜像中运行 TensorBoard，再添加一个-p 参数，hostPort 和 containerPort 都设置为 6006。
• TensorFlowImage 是需要的，它用于指定 Docker 容器，你必须指定接下来的任一一个：gcr.io/tensorflow/tensorflow: TensorFlow 二进制镜像，gcr.io/tensorflow/tensorflow:latest-devel: TensorFlow 二进制镜像加源码。

gcr.io 是 Goole 的容器注册表(?)，注意部分 TensorFlow 也可以从 dockerhub 获取。

例如，下面的命令可以在 Docker 容器中启动一个 TensorFlow CPU 镜像，然后你可以在镜像的 shell 中运行 TensorFlow 程序：

$ docker run -it gcr.io/tensorflow/tensorflow bash

以下命令也可以在 Docker 容器中启动一个 TensorFlow CPU 镜像，然而，在这个 Docker 镜像中，你可以在 Jupyter notebook 中运行 TensorFlow 程序：

$ docker run -it -p 8888:8888 gcr.io/tensorflow/tensorflow

Docker 将会先下载 TensorFlow 镜像然后启动它。

下一步

现在可以验证你的安装了。

使用 Anaconda 安装

Anaconda 安装只是社区而非官方支持

按照以下步骤在 Anaconda 环境中安装 TensorFlow：

1. 按照 Anaconda 下载站点 说明下载安装 Anaconda

2. 执行以下命令创建名为 tensorflow 的 conda 环境：

shell $ conda create -n tensorflow

1. 执行以下命令激活 conda 环境：

shell $ source activate tensorflow (tensorflow)$ # Your prompt should change

1. 执行以下命令在你的 conda 环境中安装 TensorFlow：

shell (tensorflow)$ pip install --ignore-installed --upgrade TF_PYTHON_URL

TF_PYTHON_URL 是 TensorFlow Python 包 的 URL，例如，以下命令是安装 Python 2.7 CPU-only 版本的 TensorFlow：

shell (tensorflow)$ pip install --ignore-installed --upgrade \ https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-1.2.1-py2-none-any.whl

​

验证你的安装

要验证你的 TensorFlow 安装，操作以下步骤：

1. 保证你的环境可以运行 TensorFlow 程序
2. 运行一个小的 TensorFlow 程序

准备你的环境

如果你使用本地 pip, virtualenv 或者 Anaconda 安装，操作以下步骤：

1. 打开一个终端
2. 如果你使用 virtualenv 或 Anaconda 安装，激活你的容器
3. 如果你安装了 TensorFlow 源码，进到任何一个处了包含 TensorFlow 源码的目录

如果通过 Docker 安装，启动一个运行 bash 的 Docker 容器，例如：

$ docker run -it gcr.io/tensorflow/tensorflow bash

运行一个小的 TensorFlow 程序

在一个 shell 中执行 Python：

$ python

在 python 交互式 shell 中输入以下小程序：

# Python

import tensorflow as tf
hello = tf.constant('Hello, TensorFlow!')
sess = tf.Session()
print(sess.run(hello))

如果系统输出以下内容，你可以开始写 TensorFlow 程序了：

Hello, TensorFlow!

如果你不熟悉 TensorFlow，参考 Getting Started with TensorFlow。

如果系统输出错误信息而不是欢迎语，参考 常见安装问题。

常见安装问题

我们依据 Stack Overflow 记录 TensorFlow 安装问题和相应的解决方法。下面的表格包括 Stack Overflow 常见的安装问题回复链接，如果你遇到的错误信息或者其它安装问题不在表格中，请在 Stack Overflow 上搜索。如果 Stack Overflow 上没有你搜索的错误信息，提一个新问题并且打上 tensorflow 标签。

TensorFlow Python 包 URL

一些安装方法需要 TensorFlow Python 包的 URL，值与三个方面有关(?)：

• 操作系统
• Python 版本

本节记录了 Mac OS 安装相关的值

Python 2.7

https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-1.2.1-py2-none-any.whl

Python 3.4, 3.5, or 3.6

https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-1.2.1-py3-none-any.whl

Protobuf pip package 3.1

如果你没有遇到 protobuf pip 包相关的问题可以跳过本节。

注意：如果你的 TensorFlow 运行很慢，可能是和 protobuf pip 包有关的问题。

TensorFlow pip 包依赖 protobuf pip 3.1 版本的包，从 PyPI 下载的 protobuf pip 包（在调用 pip install protobuf 时）是一个仅包含 Python 的库，其中包含执行速度比 C++ 实现慢10 ～ 50 倍的原始序列化/反序列化的Python 实现。 Protobuf 还支持包含基于快速 C++ 的原语解析的 Python 包的二进制扩展，此扩展在标准的仅Python 专用 pip 包中不可用，我们为 protobuf 创建了一个包含二进制扩展名的自定义二进制 pip 包。要安装自定义二进制 protobuf pip 包，请调用以下命令之一：

• for Python 2.7:

shell $ pip install --upgrade \ https://storage.googleapis.com/tensorflow/mac/cpu/protobuf-3.1.0-cp27-none-macosx_10_11_x86_64.whl

• for Python 3.n:

shell $ pip3 install --upgrade \ https://storage.googleapis.com/tensorflow/mac/cpu/protobuf-3.1.0-cp35-none-macosx_10_11_x86_64.whl

安装这些 protobuf 包将会覆盖已安装的包，注意二进制 pip 包已经支持大于 64M 的 protobufs，修复了如下报错：

[libprotobuf ERROR google/protobuf/src/google/protobuf/io/coded_stream.cc:207]
A protocol message was rejected because it was too big (more than 67108864 bytes).
To increase the limit (or to disable these warnings), see
CodedInputStream::SetTotalBytesLimit() in google/protobuf/io/coded_stream.h.