Mac 相比Windows 有好多優(yōu)點，同時又是基于Unix 的所以對科研相當友好，但是最大的缺點就是非常封閉，各種沙盒安全機制，這就導致了除了官方的顯卡，其他的顯卡支持相當的差，也許正是這個原因，Google官方也就放棄了Tensorflow GPU 版本對Mac的后續(xù)支持。
當然啦，這也擋不住愛折騰的人們前赴后繼的讓自己的Mac和hackintosh(黑蘋果)的GPU上跑上Tensorflow。
什么？你不知道Tensorflow 是什么？自行Google吧，不過簡單說一下，Tensoflow 是Google針對深度學習開發(fā)的開發(fā)框架，而GPU版本是能讓深度學習在GPU上運行從而大大提高計算速度。
這里特別感謝一下這篇博客的作者，之前的Macbook pro上嘗試了各種方法均以失敗告終。當然我自己在安裝的過程中也發(fā)現了其他問題，結合這篇文章中提到的遇到各種錯誤的解決方法，最終是成功了。
安裝步驟在推薦的博文中寫得非常詳盡了，我就不再贅述了，但是有幾個關鍵的點需要提到。
1、安裝HomeBrew的組件，HomeBrew是Mac下的軟件包管理系統(tǒng)，大大簡化了安裝組件的流程。安裝庫包和組件一個命令就解決了。
2、安裝Cuda，（Compute Unified Device Architecture，統(tǒng)一計算架構）是英偉達為開發(fā)的以實現顯卡上的并行計算，這是能讓Tensorflow 在GPU上跑起來的關鍵。
3、安裝cuDNN, NVIDIA CUDA? Deep Neural Network library (cuDNN) 是英偉達為深度學習開發(fā)的庫。
當然還有xcode Command line Tool的支持以及我在上篇博文中提到的的.bash_profile 的配置也是非常關鍵。
好了，機器配置好了，跑一下深度學習的代碼來對比一下，我說過我現在有兩臺Mac，一個是2012年的Macbook Pro用的是GT650M顯卡，一個是剛剛裝好黑蘋果的PC用的是GTX1070。
上面這三張圖是分別用PC的CPU，PC的GPU和Macbook Pro的GPU跑同一個深度學習的用時結果，可以看到PC上GPU的速度是CPU的200到500倍，即便是在6年前的筆記本GPU上計算也能比PC的CPU快5到10倍。
折騰了兩天，希望這兩臺機器能夠在今后的工作學習中發(fā)揮出巨大的作用。
相關文章
使用了6年的Mac Book Pro, 依然堅挺
裝了一臺『黑蘋果』
將黑蘋果降級了 并上了Raid磁盤陣列
文章首發(fā)steemit.com 為了方便墻內閱讀，搬運至此，歡迎在此留言，或者訪問我的Steemit主頁
