导语

由于目前anconda官网上对于macos系统只支持X86结构的，因此基于arm结构的MacOS暂时无法使用anconda来对tensorflow进行配置。虽然Anconda无法在M1上运行，但是相应的替代品有Miniforge，同样也能实现类似的效果。此外，苹果官方称还支持添加metal插件，从而可以调用集成在M1芯片中的GPU部分，但是目前只支持tensorflow2.5和2.6的版本，而本节使用使用的版本是tensorflow2.4 python3.8，因此并未安装加速插件。官方安装metal方法如下：

Tensorflow Plugin - Metal - Apple Developer

下面将开始讲解在Mac（M1）上如何安装tensorflow

1. 下载 Miniforge3-MacOSX-arm64.sh 脚本文件，并且运行

miniforge下载地址为GitHub - conda-forge/miniforge: A conda-forge distribution.

我的Miniforge3-MacOSX-arm64.sh脚本文件所安装的路径是

/Users/xiewenhui/MiniforgeShell/Miniforge3-MacOSX-arm64.sh

我们打开终端terminal，首先进入文件夹，进入到Miniforge3-MacOSX-arm64.sh所在的文件夹

cd ~xiewenhui

cd MiniforgeShell

运行脚本文件

sh Miniforge3-MacOSX-arm64.sh

结果如下图所示，然后一直进行enter 回车，直到需要你手动输入yes 或者no 的地方，对于选择yes 或者no 的问题，一律输入yes ，然后一直回车直到结束。

运行成功图如下所示，代表Miniforge3-MacOSX-arm64.sh运行完成，此时会在以用户名命名的文件夹下（此处我的文件夹是xiewenhui）生成一个Miniforge3文件夹，代表脚本运行完毕后所生成的安装文件（我们把Miniforge3当作anconda一样的包管理器，其中会包含python和conda，因此conda不需要再另外安装）。

2. 创建虚拟环境

（1）用conda创建一个虚拟环境，同时设置python版本

下面tensorflow是我创建的虚拟环境名，当然也可以写成tf24等等

conda create -n 虚拟环境名称 python=版本号
conda create -n tensorflow python=3.8

（2）激活虚拟环境

conda activate 虚拟环境名
conda activate tensorflow

提示：如果需要取消激活状态，输入conda deactivate即可

（3）查看当前环境的python位置

此时支持tensorflow的python解释器就位于虚拟环境envs中，它的版本和（1）中所创建的版本是一致的，因此之后我们在pycharm等IDE中直接导入下述地址即可（后面会讲到）。

理解：miniforge3是Miniforge脚本运行后所创建的包管理环境，miniforge3是类似于Anconda一样的作用，在Anconda中我们可以创建多个虚拟环境，在miniforge3也是一样的其中我们所创建的虚拟环境位于.../miniforge3/envs文件夹下，envs下的每个文件夹对应着一个独立的虚拟环境，当我们需要在IDE中切换python解释器的时候，我们便找到所需的python解释器：.../miniforge3/envs/虚拟环境名称（是一个文件夹，文件夹名称和你在conda create -n 虚拟环境名 python=xxx是一个名）/bin/python，然后导入IDE即可。

3. 安装tensorflow

当创建完虚拟环境后，做完准备工作之后，我们需要安装tensorflow-macos，这是我们真正的目的。

（1）下载tensorflow安装包（支持arm架构版本的）

下载链接为Releases · apple/tensorflow_macos · GitHub，下载完成之后找一个文件夹进行保存即可，然后直接解压到当前文件夹。

（2）保持tensorflow激活状态，进入到刚刚解压的tensorflow_macos文件夹中，手动pip安装whl文件

注意不要输入conda deactivate关闭了tensorflow激活状态，直接cd找到文件夹即可

我的tensorflow_macos文件夹位置是/Users/xiewenhui/tensorflow_macos

找到tensorflow_macos文件夹：

继续进入下一级文件夹arm64：

手动pip安装之前，先看一下arm64下面有哪些whl文件，防止pip的时候发生遗漏:

存在5个whl文件都需要安装

pip安装之前我们需要修改lib路径和envs路径（很重要），方便我们下一步的安装：

# 更改为tensorflow_macos下载解压后的文件夹
libs="/Users/xiewenhui/tensorflow_macos/arm64/"

# 替换成tensorflow的虚拟环境路径,tensorflow是你之前创建虚拟环境的名称，虚拟环境什么名，envs下文件夹就什么名
env="/Users/xiewenhui/miniforge3/envs/tensorflow"

下面手动安装这些文件，依次输入下面命令：

pip install --upgrade pip wheel setuptools cached-property six

pip install --upgrade -t "$env/lib/python3.8/site-packages/" --no-dependencies --force "$libs/grpcio-1.33.2-cp38-cp38-macosx_11_0_arm64.whl"

pip install --upgrade -t "$env/lib/python3.8/site-packages/" --no-dependencies --force "$libs/h5py-2.10.0-cp38-cp38-macosx_11_0_arm64.whl"

pip install --upgrade -t "$env/lib/python3.8/site-packages/" --no-dependencies --force "$libs/numpy-1.18.5-cp38-cp38-macosx_11_0_arm64.whl"

pip install --upgrade -t "$env/lib/python3.8/site-packages/" --no-dependencies --force "$libs/tensorflow_macos-0.1a1-cp38-cp38-macosx_11_0_arm64.whl”

pip install --upgrade -t "$env/lib/python3.8/site-packages/" --no-dependencies --force "$libs/tensorflow_addons_macos-0.1a2-cp38-cp38-macosx_11_0_arm64.whl”

pip install absl-py astunparse flatbuffers gast google_pasta keras_preprocessing opt_einsum protobuf tensorflow_estimator termcolor typing_extensions wrapt wheel tensorboard typeguard

如果发生pip安装错误，可能是文件路径不对，lib路径和envs路径得确保正确，其次就是你所安装的whl文件名和上述代码中的不一致，以自己的whl文件名为主。tensorflow_macos不同的版本其中所包含的whl文件名可能不同。

如果出现命令行出现dquote的时候，最好自己直接粘贴ls显示的文件名，pip指令可以复制，但是pip install ..."$libs/文件名.whl"的时候，建议文件名.whl从ls显示出来的whl文件名中复制。

（3）以上安装步骤就基本完成，但是注意由于Miniforge3中和Mini Conda一样，主要包含了python和conda，其他的一些科学计算库例如pandas等等需要自己手动安装，方式如下：

conda install -y pandas matplotlib scikit-learn jupyterlab

以上安装步骤已经完成，下面可以对安装是否成功进行测试

4. 测试

命令行输入python，打开python shell环境

依次输入下面代码：

import tensorflow as tf

print(tf.__version__)

当引入tensorflow不报错并且打印出tensorflow版本时，代表tensorflow安装成功

5. Pycharm导入含有tensorflow包的python解释器

根据图中路径寻找python解释器，在envs文件夹下，位置时~/miniforge3/envs/你的虚拟环境名（我的是tensorflow）/bin/python

Pycharm测试：

import tensorflow as tf
print(tf.__version__)
print(tf.config.list_physical_devices())

补充：实际上可以按照苹果官网的方法进行在线pip安装，Tensorflow Plugin - Metal - Apple Developer

python -m pip install tensorflow-macos

但是由于在安装中可能出现h5py无法安装的情况，因此我们直接下载tensorflow_macos安装包，下载到本地之后再用pip安装本地文件，不仅速度快，而且不会出现h5py的相关报错

自己存在一些问题的小记录：

由于安装时的tensorflow版本时2.4.0-rc0，但是在之后创建一些项目之后版本莫名变成了2.7.0。如果想要在装回以前的2.4.0-rc0，则按照上面的步骤重新pip一下whl文件即可。

Original: https://blog.csdn.net/qq_44174803/article/details/123922390
Author: _xwh
Title: MacOS(M1芯片 arm架构)下如何安装tensorflow

Original: https://blog.csdn.net/qq_44174803/article/details/123922390
Author: _xwh
Title: MacOS(M1芯片 arm架构)下如何安装tensorflow

相关阅读

Title: python金融数据分析及可视化

目录

• 1、数据来源——Wind金融终端
• 2、数据读取及其基本描述
• 3、收盘价与成交量关系图
• 4、收益率曲线
• 5、K线图
• 6、移动平均线

1、数据来源——Wind金融终端

在Wind数据库中下载到的宁德时代（代码300750.SZ）从2020-01-03到2021-12-31共485个数据，包括开盘价，最高价，最低价，收盘价以及交易量。
(需要数据进行操作的同学可以在我的资源上下载，由于Wind资讯金融终端不是免费的，而且作为喜欢白嫖的我们，有什么办法得到免费的数据呢，下次找到了一定分享给大家zll[doge]）

; 2、数据读取及其基本描述

import pandas as pd
import matplotlib.pyplot as plt
data = pd.read_excel('....../300750SZ.xls')

此处注意新版pandas.read_excel()函数并不支持.xlsx文件的读取，因此需要将数据文件类型转化为xls（或者可以用其他库函数，不过我觉得这个办法是最简单的）

df = pd.DataFrame(data)
df.head()

将数据data转化为DataFrame类型，并打印出前五行：

df.describe()

3、收盘价与成交量关系图

df['close'].plot()

df[['close','volume']].plot(subplots=True)

基本上我们就可以得到收盘价与成交量之间的关系图了，但是从两张图中来看，其x轴均不是日期，并且成交量一般使用的是柱状图，所以，我们加一点点细节让图变得好看一些。

list_date = list(df['Date'])
df.index = list_date

price = df['close']
volumes = df['volume']
top = plt.subplot2grid((4,4), (0,0), rowspan=3, colspan=4)
top.plot(price.index, price, label='close')
plt.title('300750.SZ Close Price from 2020-2021')
plt.legend(loc=2)

bottom = plt.subplot2grid((4,4), (3,0), rowspan=1, colspan=4)
bottom.bar(volumes.index, volumes)
plt.title('300750.SZ Daily Trading Volume')

plt.gcf().set_size_inches(12,8)
plt.subplots_adjust(hspace=0.75)

4、收益率曲线

（>......

Original: https://blog.csdn.net/weixin_47974364/article/details/123408886
Author: 貮叁
Title: python金融数据分析及可视化

相关阅读

Title: （保姆教程)Spyder 配置Tensorflow(2.5.0)和keras(2.4.3)

（保姆教程)Spyder 配置Tensorflow(2.5.0)和keras(2.4.3)

前言

其实安装Tensorflow和keras的过程不难，但是寻找匹配的版本，以及使得Spyder适应花了自己很长时间！

安装Tensorflow

打开anaconda prompt

; 首先查看自己的python版本

python --version

接着创建一个新的环境

conda create -n tf python=3.9.7

进入这个环境

conda activate tf

安装Tensorflow

pip install tensorflow==2.5.0

安装Keras

首先输入以下两行代码()

conda install mingw libpython

pip install theano

安装对应的Keras（版本一定要对应）

pip install keras==2.4.3

适应Spyder

在安装完成之后打开Spyder会发现其实用的解释器还是base,这个时候我们需要切换到tf中的python.exe解释器，但是切换之后重启内核，会显示内核错误！

解决：

这个时候需要我们先在刚才的命令行中输入

conda install spyder

重新安装spyder，再次打开会发现可以正常运行

输入以下代码测试

import keras
from keras.datasets import mnist
(train_images,train_labels),(test_images,test_labels) = mnist.load_data()
print('shape of train images is ',train_images.shape)
print('shape of train labels is ',train_labels.shape)
print('train labels is ',train_labels)
print('shape of test images is ',test_images.shape)
print('shape of test labels is',test_labels.shape)
print('test labels is',test_labels)

成功运行！

但美中不足的是，使用tensorflow之后之前conda自带的很多库就用不了了，需要重新pip或者conda

Original: https://blog.csdn.net/qq_43102225/article/details/124833331
Author: skyoung13
Title: （保姆教程)Spyder 配置Tensorflow(2.5.0)和keras(2.4.3)