深度学习代码实践（二）- Mac M1 环境搭建

截止到 2021 年下半年， 推荐使用 Apple 官方的 tensorflow-meta 的插件来启用 Tensorflow 在 Mac M1（包括 M1 Pro, M1 Max）上面的GPU加速。以下介绍完整的深度学习开发环境的搭建过程。

参考 apple 官方文档：  Tensorflow Plugin - Metal - Apple Developer

1.安装 pyenv 虚拟环境管理包

首先，推荐使用 pyenv 来安装专用的虚拟环境，以固定使用一个特定的Python版本，避免跟其他的环境冲突。因为使用 Python 的时候，会用到很多第三方包，不同的应用可能不需要不同的 Python， 不同的第三方包，为了避免出现不同应用的包冲突问题，通常使用安装有不同Python版本的虚拟环境来做隔离。

参考  GitHub - pyenv/pyenv-installer: This tool is used to install `pyenv` and friends.

 brew update
 brew install pyenv

安装完，把下面这一行加入到 ~/.zshrc 或者 ~/.bashrc

eval "$(pyenv init --path)"

接来下安装 Python 的版本 3.8.12

pyenv install 3.8.12
pyenv global 3.8.12   #切换系统全局python版本到3.8.12

2. 安装Miniforge/版本选择

首先，下载 miniforge3，下载地址：github.com/conda-forge/ 在页面中选择 Apple Silicon 版本:  Miniforge3-MacOSX-arm64.sh

将下载好的脚本赋予执行权限，安装即可。

chmod +x Miniforge3-MacOSX-arm64.sh
./Miniforge3-MacOSX-arm64.sh

如果安装过程中，出现下面的错误：

xcrun: error: invalid active developer path (/Library/Developer/CommandLineTools),

missing xcrun at: /Library/Developer/CommandLineTools/usr/bin/xcrun

则需要安装Xcode toolkit，安装命令如下：

xcode-select --install

安装完 Xcode toolkit 成功后，重新再安装Miniforge3即可。 

完成安装后，重新激活一下配置文件， zsh为例：

source .zshrc

完成测试 conda 是否安装完成：

conda --version

能看到正常的版本号输出即安装成功。

3: 环境设置

创建虚拟环境

conda create --name mlp python=3.8.10

激活虚拟环境

conda activate mlp

这里 conda 环境取名为 mlp， 含义是 multi layer perceptron 多层感知机（神经网络的多层感知机）。

4: 安装 TensorFlow 基础包

安装 TensorFlow 依赖，以及基础包:

conda install -c apple tensorflow-deps

python -m pip install tensorflow-macos

5: 安装 tensorflow-metal 插件

python -m pip install tensorflow-metal

到这里开发环境安装完毕，下一节开始跑一个 TensorFlow 的应用。 对手写体数字进行识别。