本文出自掘金翻译计划正在组织翻译的 TensorFlow 官方文档。如果您有兴趣，欢迎 申请成为译者，学习完译者教程后，参与到文章和文档的翻译和及对当中。我们也正在招募 TensorFlow 译者，欢迎积极参加。

这篇指南说明如何在 macOS 上安装 TensorFlow。

注意：从 v1.2 开始，TensorFlow 不再为 macOS 提供 GPU 支持。

选择安装 TensorFlow 的方式

你必须选择使用哪种方式来安装 TensorFlow。有以下方式：

virtualenv
原生 pip
Docker
通过源码进行安装，详见这篇文档。

我们推荐使用 virtualenv 进行安装。 Virtualenv 是与其他 Python 开发隔离的虚拟 Python 环境，使得在同一台机器上不受其他 Python 程序的干扰。在 virtualenv 安装过程中，你不仅要安装 TensorFlow，还需安装 TensorFlow 所需的软件包（其实很简单）。要开始使用 TensorFlow，只需要『激活』虚拟环境。总而言之，virtualenv 为安装和运行 TensorFlow 提供了一个安全可靠的机制。

使用本地的 pip 会在系统里直接安装 TensorFlow，无需任何容器或虚拟环境系统。然而由于本地安装并不是完全封闭的，因此本地安装可能会受到系统上其他基于 Python 安装软件的干扰，或者影响到这类软件。此外，你可能还需要禁用系统完整性保护（SIP）才能进行本地安装。但是，如果你了解 SIP、pip 和你本地的 Python 环境，那么使用本地 pip 安装会相对容易一些。

Docker 则会将 TensorFlow 安装与机器上的现有软件包完全隔离。 Docker 容器包含 TensorFlow 及其所有依赖项。请注意，Docker 镜像可能非常大（几百 MB）。如果你将 TensorFlow 集成到已经使用 Docker 的较大应用程序体系结构中，则可以选择 Docker 安装。

在 Anaconda 中，你可以使用 conda 来创建虚拟环境。但是，在 Anaconda 中，我们建议使用 pip install 而不是 conda install 命令来安装 TensorFlow。

注意： conda 包由社区提供支持，而非正式支持。也就是说，TensorFlow 团队既不测试也不维护 conda 包。使用此包请自行承担相关风险。

通过 virtualenv 安装

通过执行下面的步骤来使用 Virtualenv 安装 TensorFlow：

启动终端。你需要在命令行中执行下面所有的步骤。

通过下面的命令安装 pip 和 virtualenv：

 $ sudo easy_install pip
$ pip install --upgrade virtualenv

通过执行下面的命令来创建虚拟环境：
```
 $ virtualenv --system-site-packages targetDirectory # 对应 Python 2.7
$ virtualenv --system-site-packages -p python3 targetDirectory # 对应 Python 3.n
```
其中 targetDirectory 表示 virtualenv 目录树所在的顶层路径。我们假设 targetDirectory 为 ~/tensorflow，但你也可以选择任何你喜欢的路径。

通过执行下面的命令来激活虚拟环境：

$ source ~/tensorflow/bin/activate      # 如果使用 bash, sh, ksh 或 zsh

$ <b>source ~/tensorflow/bin/activate.csh</b>  # 如果使用 csh 或 tcsh </pre>

 前面的 `source` 命令会将你的命令行提示更改为以下内容：

 <pre> (tensorflow)$ </pre>

确保安装的 pip 版本大于或等于 8.1：
```
 (tensorflow)$ easy_install -U pip
```

执行下面的命令会将 TensorFlow 及其全部依赖安装至 Virtualenv 环境中：

 (tensorflow)$ pip install --upgrade tensorflow      # 对应 Python 2.7
(tensorflow)$ pip3 install --upgrade tensorflow     # 对应 Python 3.n

（可选）如果第 6 步失败了（通常可能是因为你使用的 pip 版本小于 8.1），你还可以通过下面的命令安装 TensorFlow：
```
 $ pip install --upgrade tfBinaryURL   # Python 2.7
$ pip3 install --upgrade tfBinaryURL  # Python 3.n 
```
其中 tfBinaryURL 指向 TensorFlow Python 软件包所在的 URL。合适的 tfBinaryURL 取决于你的操作系统和 Python 版本。你可以在here 找到你系统所对应的 tfBinaryURL。例如，如果你要在安装了 Python 2.7 的 macOS 上安装 TensorFlow，那么可以执行下面的命令：
```
 $ pip3 install --upgrade \
https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-1.4.0rc0-py2-none-any.whl
```

如果你遇到了任何安装问题，请查看常见安装问题.

下一步

安装 TensorFlow 之后，你需要验证安装来确保 TensorFlow 能够正常工作。

注意，每当你使用一个新的 Shell 来使用 TensorFlow 时，你必须激活 virtualenv 环境。如果 virtualenv 环境没有被激活（即命令行提示符中没有 (tensorflow)），使用下面的命令可以激活虚拟环境：

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

如果你的终端提示变成下面的样子，证明 TensorFlow 的环境已经激活：

 (tensorflow)$

当 virtualenv 环境激活后，你就可以在 Shell 里运行 TensorFlow 程序了。

当你使用完 TensorFlow 后，你还可以解除虚拟环境：

 (tensorflow)$ deactivate

这时命令行提示将会变回你激活虚拟环境之前的样子。

卸载 TensorFlow

如果你希望卸载 TensorFlow，只需要简单的删除你创建的目录树即可。例如：

 $ rm -r ~/tensorflow

通过本地 pip 安装

我们已经将 TensorFlow 的二进制编译版上传到了 PyPI 中。因此你可以直接使用 pip 进行安装。setup.py 里要求的包列出了 pip 需要安装或升级的包。

前置要求：Python

要安装 TensorFlow，你的系统必须至少包含一个以下版本的 Python：

Python 2.7
Python 3.3+

如果你的系统没有安装适当版本的 Python，那么赶紧安装吧。

在安装 Python 时，你可能需要关闭系统完整性保护（SIP）来允许安装非 Mac App Store 的程序。

前置要求：pip

Pip 能安装并管理 Python 编写的软件包。如果你想要通过本地 pip 进行安装，你的系统至少应该有包含下面命令中的一个：

pip, 对应 Python 2.7
pip3, 对应 Python 3.n.

如果你安装了 python，可能 pip 或 pip3 已经安装在你的系统上了。为了确定它们是否真的安装在系统里，可以使用下面的命令：

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

我们强烈推荐使用 8.1 或更高版本的 pip 或 pip3 来安装 TensorFlow。如果你没有安装的话，可以通过下面的命令来升级当前的 pip：

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

安装 TensorFlow

假设你的 Mac 上已经安装了依赖的软件，请遵循下面的步骤：

通过下面的一个命令来安装 TensorFlow：

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

如果前面的命令执行完成了，那么接下来你应该验证安装.

（可选）如果第 1 步失败了，那么可以通过下面的命令安装最新版的 TensorFlow：
```
 $ sudo pip  install --upgrade tfBinaryURL   # Python 2.7
$ sudo pip3 install --upgrade tfBinaryURL   # Python 3.n 
```
其中 tfBinaryURL 指向 TensorFlow Python 软件包的所在 URL。合适的 tfBinaryURL 取决于你的操作系统和 Python 版本。你可以在here 找到你系统所对应的 tfBinaryURL。例如，如果你要在安装了 Python 2.7 的 macOS 上安装 TensorFlow，那么可以执行下面的命令：
```
 $ pip3 install --upgrade \
https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-1.4.0rc0-py2-none-any.whl
```

下一步

TensorFlow 安装完成后，你应该验证安装是否能使 TensorFlow 正确工作。

卸载 TensorFlow

执行下面的命令可以卸载 TensorFlow：

$ pip uninstall tensorflow
$ pip3 uninstall tensorflow

通过 Docker 安装

遵循下面的步骤可通过 Docker 安装 TensorFlow：

1. 安在你的机器上安装 Docker，请参考 
 [Docker 文档](https://docs.docker.com/engine/installation/#/on-macos-and-windows).

2. 从包含 TensorFlow 的镜像中创建并启动 Docker 容器。

本节的其余部分将介绍如何启动Docker容器。

要启动包含 TensorFlow 镜像的 Docker 容器，请输入以下指令：

 $ docker run -it -p hostPort:containerPort TensorFlowImage

其中：

-p hostPort:containerPort 可选。如果你想要在 shell 命令行中运行 TensorFlow，忽略这个选项。如果你想要在 Jupyter notebooks 中运行这个程序，将 hostPort 和 containerPort 都设置为 8888。

如果你想要运行包含 TensorBoard 的容器，增加第二个 -p 参数来指定宿主端口和容器端口为 6006。
TensorFlowImage 是必须的。它指定了你的 Docker 容器。你必须指定下面其中一个值：
- gcr.io/tensorflow/tensorflow: TensorFlow 二进制镜像。
- gcr.io/tensorflow/tensorflow:latest-devel: TensorFlow 二进制镜像和源代码。

gcr.io 是谷歌容器仓库。注意，TensorFlow 镜像同样在 dockerhub 上可用。

例如，下面的命令从 TensorFlow CPU 镜像启动了一个 Docker 容器，从而你可以在这个命令行里执行 TensorFlow 程序：

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

下面的命令同样是从一个 TensorFlow CPU 的镜像启动的容器。然而在这个容器中，你还可以在 Jupyter notebook 里运行 TensorFlow 程序：

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

Docker 会在第一次启动容器时下载对应的镜像。

下一步

现在你应该验证安装。

通过 Anaconda 安装

Anaconda 的安装由社区提供，而非官方支持。

请按照下面的步骤在 Anaconda 环境中安装 TensorFlow：

按照Anaconda 下载网站中的指南来下载并安装 Anaconda。
调用以下命令新建一个名字叫 tensorflow 的 conda 环境来运行某一版本的 Python：
```
$ conda create -n tensorflow pip python=2.7 # or python=3.3, etc.
```

使用如下命令来激活 conda 环境：

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

运行如下格式的命令来在你的 conda 环境中安装 TensorFlow：

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

其中 TF_PYTHON_URL 是 TensorFlow Python 包的 URL。例如，如下命令安装了仅支持 CPU 的 Python 2.7 版本下的 TensorFlow：

 (tensorflow)$ pip install --ignore-installed --upgrade \
https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-1.4.0rc0-py2-none-any.whl

验证安装

下面的步骤能够验证 TensorFlow 是否已正确安装：

1. 确定你已经具备了运行 TensorFlow 程序的运行环境。
2. 运行一个简短的 TensorFlow 程序。

准备环境

如果你已经安装了 pip、virtualenv 或者 Anaconda，那么：

1. 运行终端。
2. 如果你使用 virtualenv 或 Anaconda 进行的安装，请激活你的容器。
3. 如果你是使用 TensorFlow 源码进行的安装，请切换到除了包含 TensorFlow 源码的任意目录下。

如果你使用 Docker 进行安装，启动一个运行 bash 的 Docker 容器，例如：

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

运行一个简短的 TensorFlow 程序

在命令行中输入下面的命令调用 Python：

$ python

在 Python 交互命令行环境中输入下面的代码：

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

如果你的系统正确的输出了下面的内容，那么说明你已经正确安装了 TensorFlow：

Hello, TensorFlow!

如果你是 TensorFlow 新手，请参看 @{ $get_started/get_started$ 开始使用 TensorFlow}.

如果安装过程出现了错误，请看常见安装问题

常见安装问题

我们使用 Stack Overflow 来记录 TensorFlow 的安装问题及其解决方案。下表列出了一些常见安装问题的 Stack Overflow 答案的链接。如果你遇到下表中未列出的错误信息或其他安装问题，请在 Stack Overflow 中进行搜索。如果 Stack Overflow 没有相应的解决方案，请在 Stack Overflow 上询问一个有关它的新问题，并指定 tensorflow 标签。

Stack Overflow 链接	错误消息
42006320	ImportError: Traceback (most recent call last): File ".../tensorflow/core/framework/graph_pb2.py", line 6, in from google.protobuf import descriptor as _descriptor ImportError: cannot import name 'descriptor'
33623453	IOError: [Errno 2] No such file or directory: '/tmp/pip-o6Tpui-build/setup.py'
35190574	SSLError: [SSL: CERTIFICATE_VERIFY_FAILED] certificate verify failed
42009190	Installing collected packages: setuptools, protobuf, wheel, numpy, tensorflow Found existing installation: setuptools 1.1.6 Uninstalling setuptools-1.1.6: Exception: ... [Errno 1] Operation not permitted: '/tmp/pip-a1DXRT-uninstall/.../lib/python/_markerlib'
33622019	ImportError: No module named copyreg
37810228	During a `pip install` operation, the system returns: OSError: [Errno 1] Operation not permitted
33622842	An `import tensorflow` statement triggers an error such as the following: Traceback (most recent call last): File "", line 1, in File "/usr/local/lib/python2.7/site-packages/tensorflow/__init__.py", line 4, in from tensorflow.python import * ... File "/usr/local/lib/python2.7/site-packages/tensorflow/core/framework/tensor_shape_pb2.py", line 22, in serialized_pb=_b('\n,tensorflow/core/framework/tensor_shape.proto\x12\ntensorflow\"d\n\x10TensorShapeProto\x12-\n\x03\x64im\x18\x02 \x03(\x0b\x32 .tensorflow.TensorShapeProto.Dim\x1a!\n\x03\x44im\x12\x0c\n\x04size\x18\x01 \x01(\x03\x12\x0c\n\x04name\x18\x02 \x01(\tb\x06proto3') TypeError: __init__() got an unexpected keyword argument 'syntax'
42075397	A `pip install` command triggers the following error: ... You have not agreed to the Xcode license agreements, please run 'xcodebuild -license' (for user-level acceptance) or 'sudo xcodebuild -license' (for system-wide acceptance) from within a Terminal window to review and agree to the Xcode license agreements. ... File "numpy/core/setup.py", line 653, in get_mathlib_info `raise RuntimeError("Broken toolchain: cannot link a simple C program")` RuntimeError: Broken toolchain: cannot link a simple C program

TensorFlow 的 Python 包的 URL

一些安装方法中需要 TensorFlow Python 包的 URL，你所声明的值取决下面两个因素：

操作系统
Python 版本

这个部分记录了 maxOS 相关安装的 URL 值

Python 2.7

https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-1.4.0rc0-py2-none-any.whl

Python 3.4、3.5 或 3.6

https://storage.googleapis.com/tensorflow/mac/cpu/tensorflow-1.4.0rc0-py3-none-any.whl

Protobuf 3.1 的 pip 包

除非你遇到了与 protobuf pip package 相关的问题，否则你可以直接跳过该部分。

注意：如果你的 TensorFlow 程序运行速度很慢，你可能有一个和 protobuf pip package 相关的问题。

TensorFlow pip 包依赖于 3.1 版本的 protobuf pip package。从 PyPI 下载的 protobuf pip package （使用pip install protobuf 命令）是一个含有序列化、反序列化实现的纯 Python 库，可能比 C++ 的实现慢 10 到 50 倍。Protobuf 同时也支持针对 Python 包的一个二进制扩展，基于快速的 C++ 解析。这个扩展在纯 Python 的标准 pip 包中是没有的。我们已经创建了一个自定义的二进制 pip 包给含有二进制扩展的 protobuf。要安装自定义的二进制 protobuf pip package，执行如下的命令

对应 Python 2.7：

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

对应 Python 3.n：

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

安装此 protobuf 包将覆盖现有的 protobuf 包，能够修复下面的错误（注意，二进制 pip 包已经支持大于 64MB 的 protobufs）：

[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.

掘金翻译计划是一个翻译优质互联网技术文章的社区，文章来源为掘金上的英文分享文章。内容覆盖 Android、iOS、前端、后端、区块链、产品、设计、人工智能等领域，想要查看更多优质译文请持续关注掘金翻译计划、官方微博、知乎专栏。