📌 M1 Mac을 구매하셨나요?

Hoxy.. M1 구매하셨나요?
Hoxy.. 개발자 이신가요?
Hoxy.. tensorflow가 필요하신가요?
Hoxy.. 시간 되시면 저를 따라오세요 🐰

M1 Macbook 개발환경 구축하기

M1 맥을 구매하면 알아야 할 것은 M1 이라는 겁니다.
기존의 Intel 기반의 시스템과 다른 구조이기에
tensorflow 환경도 달라져야 합니다.
(정확하게는 호환성 문제이긴 하죠 🥲)

기존의 Window는 anaconda 환경을 사용했지만 우리의 M1 유저들은 miniforge 환경을 구축해야 합니다.

왜냐고요?
묻지 마세요 나도 몰라요

miniforge 파일은 깃허브에서 다운받을 수 있습니다.

miniforge를 Click! 하시면

아래처럼 화면이 나오는데

주황색 줄을 그어놓은 Apple Silicon 저 녀석을 다운 받으시면 됩니다.

그러면 기본적으로 Download 폴더로 다운 받아지겠죠?

저는 IDE(통합개발환경)을 VScode를 사용하기 때문에 VScode 위주로 설명 드릴껍니다.

Tip. IDE 가 뭐죠?
IDE는 Integrated Development Environment의 약자로 여러분이 개발할 수 있는 환경을 GUI로 보기 쉽게 만들어 주는 친구 입니다.

Tip. GUI 가 뭐죠?
GUI는 Graphical User Interface의 약자로 컴퓨터와 사람이 소통하기 쉽게 시각적으로 보기 쉽게 만들어주는 친구 입니다.

IDE : VScode, Jupyter Notebook
언어 : Python

❶ VScode

VScode를 실행한다.

❷ 터미널 실행

상단 바의 VScode - 터미널 - 새 터미널 클릭 *단축키 [^⇧']

❸ 복붙

터미널 창에 한 줄씩 복붙 해볼까요?
(여러분의 소중한 시간을 위해 ⌘+C, ⌘+V 하세요)

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

sh ~/Downloads/Miniforge3-MacOSX-arm64.sh

source ~/miniforge3/bin/activate

❹ miniforge3 설치

중간중간에 나오는 설치를 위한 (y / n) 에서 눈치껏 'y + return'를 눌러줍니다.

❺ python 3.8 버전 설치

설치가 다 끝나면 터미널창에 아래와 같이 복붙 합니다.

conda create --name test python=3.8
conda activate test

Tip.
miniforge를 설치하면 파이썬 3.9 버전이 기본으로 설치된다고 하네요?
아직까지 텐서플로우가 python 3.9 에서 지원을 하지 않아서 python 3.8로 지정해서 설치합니다.

그러면 짜잔! 아래와 같이 test 환경에 들어와있다고 표시가 됩니다.

(test) unis@Uniui-MacBookPro % 

➏ 가상환경 생성완료

자 그러면 python 3.8 버전을 사용하는 test 라는 이름의 가상환경이 생성되었습니다!

우리가 Main으로 학습할 가상환경을 만들기 전에 잘 작동되는지 테스트를 먼저 해볼까요

tensorflow-deps(TensorFlow 패키지 종속 항목) 설치!

conda install -c apple tensorflow-deps

tensorflow-macos 설치!

python -m pip install tensorflow-macos

tensorflow-metal 설치!

(metal은 Metal API를 사용해서 하드웨어 가속을 위해 설치한다고 합니다)

python -m pip install tensorflow-metal

위에서 만든 환경을 활성화 :

conda activate test

벤치마크용 코드를 실행하기 위한 설치 :

pip install tensorflow_datasets

➐ 벤치마크용 코드 를 사용해서 테스트!

import tensorflow.compat.v2 as tf
import tensorflow_datasets as tfds

tf.enable_v2_behavior()

from tensorflow.python.framework.ops import disable_eager_execution
disable_eager_execution()

from tensorflow.python.compiler.mlcompute import mlcompute
mlcompute.set_mlc_device(device_name='gpu')


(ds_train, ds_test), ds_info = tfds.load(
    'mnist',
    split=['train', 'test'],
    shuffle_files=True,
    as_supervised=True,
    with_info=True,
)

def normalize_img(image, label):
  """Normalizes images: `uint8` -> `float32`."""
  return tf.cast(image, tf.float32) / 255., label

batch_size = 128

ds_train = ds_train.map(
    normalize_img, num_parallel_calls=tf.data.experimental.AUTOTUNE)
ds_train = ds_train.cache()
ds_train = ds_train.shuffle(ds_info.splits['train'].num_examples)
ds_train = ds_train.batch(batch_size)
ds_train = ds_train.prefetch(tf.data.experimental.AUTOTUNE)


ds_test = ds_test.map(
    normalize_img, num_parallel_calls=tf.data.experimental.AUTOTUNE)
ds_test = ds_test.batch(batch_size)
ds_test = ds_test.cache()
ds_test = ds_test.prefetch(tf.data.experimental.AUTOTUNE)


model = tf.keras.models.Sequential([
  tf.keras.layers.Conv2D(32, kernel_size=(3, 3),
                 activation='relu'),
  tf.keras.layers.Conv2D(64, kernel_size=(3, 3),
                 activation='relu'),
  tf.keras.layers.MaxPooling2D(pool_size=(2, 2)),
#   tf.keras.layers.Dropout(0.25),
  tf.keras.layers.Flatten(),
  tf.keras.layers.Dense(128, activation='relu'),
#   tf.keras.layers.Dropout(0.5),
  tf.keras.layers.Dense(10, activation='softmax')
])
model.compile(
    loss='sparse_categorical_crossentropy',
    optimizer=tf.keras.optimizers.Adam(0.001),
    metrics=['accuracy'],
)

model.fit(
    ds_train,
    epochs=12,
    validation_data=ds_test,
)

➑ 벤치마크 Batch Size Test

저의 맥부기는 MacBookAir M1 8GB Memory 구성입니다.
그래서 "batch_size = 128" 로 세팅했을때 아래와 같은 결과가 나옵니다.

Batch_size = 128

Batch_size = 256

배치 사이즈를 2배로 늘려서 돌려 봤습니다.

➒ 끝!

---

[참고 링크]

qone 님 Velog

마고커 님 Tistory

우기의 알 님 Tistory