1. 问题背景

  • 七月底原来的 Win10 笔记本跑深度学习项目 Demo 调试的时候，由于温度过高没有及时发现，意外烧了电脑主板。去维修也无果，索性直接用教育优惠下单了一台 MacBook Pro（M1 Pro芯片）。原项目要求搭配 Python 3.6+Tensorflow 1.15.0+keras 2.3.1 ，同时由于原来的 Win10本是搭载了 NVIDIA MX150 显卡，同时安装了 CUDA 10.1 + cuDNN 7.6。
  • 然而新款的 MacBook Pro（M1 Pro芯片）本身自带的最低版本的 Python 为 3.8.x，仅支持 tensorflow 2.x。于是考虑通过最新版本的 Anaconda （截至2022.8月已原生适配了M1 Pro芯片），但是下载完发现最低支持的 Python 版本为 3.9.x。无奈只好转向其他途径，寻找方法，终于在一篇文章里找到了可行的方法。

M1 Pro(Apple Silicon)安装TensorFlow 1.X版本

2. 解决方法

  • 总体方法：借助 Docker 构建 python3.5.10 和 tensorflow1.11.0 的镜像，在 Pycharm 中使用该环境即可。
  • 安装 Docker：注意选择 Apple Silicon 版本。
  • 安装 Pycharm：注意选择 Apple Silicon 版本。

3. Docker Hub

  • 拉取 arm64 版本的 python3.5.10 的 docker 镜像。
    注意选择 3.5.10-buster 版本，不要选择 slim 版本（精简版）。
    Docker Hub
  • 在 MacBook Pro 终端输入镜像拉取指令：docker pull python:3.5.10-buster
  • 在 docker dashboard 的 Images 里面可以看到该镜像。
  • 点击 run，在 Containers 里面创建对应的容器。
  • 在 Containers 里面创建对应的容器那一行点击 命令行 图标，开启命令行工具。

至此，我们有了一个 python3.5.10 的基本环境了。
⭐ 注：在刚打开的容器的命令行里输入 python -V 可查看当前环境的 python 版本。

4. h5py

由于 Tensorflow 依赖 h5py，而 h5py 依赖 HDF5。因此，我们必须先编译安装HDF5 ，否则使用 pip 安装 h5py 会报错。
⭐ 在第三步打开的 docker 命令行 内执行如下操作。

  • 从官网下载HDF5源码包：
wget https://support.hdfgroup.org/ftp/HDF5/releases/hdf5-1.10/hdf5-1.10.5/src/hdf5-1.10.5.tar.gz
  • 进入下载目录解压源码包：
tar -zxvf hdf5-1.10.5.tar.gz
  • 进入解压文件夹，执行配置、编译和安装：
cd hdf5-1.10.5/
./configure --prefix=/usr/include/hdf5
make
make install
  • 更新安装源：
apt-get update

安装vim（镜像中没安装）：

apt-get install vim
  • 配置环境变量：
vim ~/.bashrc
* 在末尾加上两行：
* 				export PATH=$PATH:/usr/include/hdf5/bin
* 				export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/include/hdf5/lib
  • 使配置生效：
bash ~/.bashrc
  • 安装 Cpython，解决层层依赖问题：
pip install Cython
  • 安装 protobuf（需要指定版本，最新版只支持3.7+）：
    原博主是安装的 3.20.1 版本，而我实际安装的时候发现找不到 3.20 的版本，因此安装了 3.19.x 
pip install protobuf==3.20.1
  • 升级（可能） pip、wheel、setuptools：
pip install --upgrade pip setuptools wheel
  • 安装 libhdf5-dev （如果还报错的话）：
apt-get install libhdf5-dev
  • 安装 h5py：
pip3 install h5py

至此，h5py 安装完毕！

5. Tensorflow 1.11.0

由于官方没有提供基于 arm 架构的 Tensorflow 1.x 版，只能在 GitHub 上找第三方编译的版本。
这里使用的是 tensorflow1.11.0 aarch64 版本。
tensorflow-1.11.0-cp35-none-linux_aarch64.whl

  • 执行如下执行，下载 .whl 文件：
wget https://github.com/lhelontra/tensorflow-on-arm/releases/download/v1.11.0/tensorflow-1.11.0-cp35-none-linux_aarch64.whl
  • 安装 tensorflow 1.11.0：
pip install tensorflow-1.11.0-cp35-none-linux_aarch64.whl

至此，tensorflow 1.11.0 安装完毕！

6. 打包新镜像

接下来，需要将操作完的容器打包成新镜像。
⭐ 注意：接下来需要切换到系统命令行，而不是前序步骤的 docker 命令行了！

docker commit [OPTIONS] CONTAINER(容器名称或者ID) [REPOSITORY[:TAG]]
-a : 提交的镜像作者
-c : 使用 Dockerfile 指令来创建镜像
-m : 描述
-p : 在 commit 时，将容器暂停

示例：
打包一个新镜像，其作者是 htl，容器名称为 silly_swartz。
tensorflow:1.11.0 中的 tensorflow 是 REPOSITORY， 1.11.0 是TAG。

docker commit -a htl -m "python3.5.10&tensorflow1.11.0" silly_swartz tensorflow:1.11.0

此时，可以在 docker 的 Images 内看到打包成功的新镜像，其 NAME 为 tensorflow，TAG 为 1.11.0

7. 连接 Pycharm

在 Pycharm 中，选择 Preferences -> Project:xxx(xxx为你的项目名) -> Python Interpreter。
下拉框里选择 show all，选择 docker ，再选择刚创建的镜像（Server：Docker，Image name：tensorflow:1.11.0，Python interpreter path：python）。

至此，Python 3.5 + Tensorflow 1.11.0 环境就配置好了！
⭐ 注：可以写几行代码测试一下配置的环境是否为 Python 3.5。

import sys
import tensorflow as tf


if __name__ == '__main__':
	print(sys.version)
	print(tf.__version__)

可以发现显示：

3.5.10(default, Sep 10 2020, 16:55:48)
[GCC 8.3.0]
1.11.0