M4Proチップ搭載メモリ48GBのMacBook Proを買いました。これまで、機械学習をいろいろ試したく開発用にx86_64 Ubuntu + GeForce3060Tiを準備していましたが、M4ProチップはGPUハードウェアリソースが豊富なのでMacBook Proで持ち運べる開発環境を作ってみました。

今回の手順では、ゼロから設定をはじめ、TensorflowからGPUを認識できるところまで紹介しています。なお、本記事は以下のサイトを参照して書いています。

PyTorchを使う手順はコチラ

Homebrewをインストールする

まず、macOS上のパッケージを管理できるHomebrewをインストールします。Homebrewのサイトにアクセスし、トップページにあるインストールスクリプトを実行すればOK。

$ /bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)"
# Homebrewをインストールします
$ echo 'eval $(/opt/homebrew/bin/brew shellenv)' >> /Users/hoge/.zprofile
# 環境変数が通るように.zprofileに追記します
$ . ~/.zprofile
# .zprofileを読み込みます

これで、パッケージマネージャーの準備ができました。

Anacondaをインストールする

次にPythonの仮想環境を管理するためのAnacondaをインストールします。Pythonの仮想環境とは、Pythonスクリプトを実行するときに、どのパッケージに依存していてるか、どのバージョンのPythonを実行するか、をまとめた箱をイメージしてみてください。

Anacondaのサイトにアクセスします。サクッとインストールしたいので、ここではSkip registrationをクリック。

M4 Proはnot-Intelなので、64bit(Apple sillicon) Graphical Installer版をダウンロードしてください。

ダウンロードしたパッケージをインストールします。

これでAnacondaのインストールができました。ただこのままだとターミナルから使えないので、有効化を行います。次の手順を実行しましょう。

Anacondaを有効化する

macOSのターミナルは基本的にzshと呼ばれるシェルが動いています。zshを選択してconda initを実行します。またターミナル開始時に自動的にcondaが有効になるようにconda config --set auto_activate_base trueも実行しておきましょう。

$ /opt/anaconda3/bin/conda init zsh
# zsh(Mac標準のシェル)でcondaを有効にします
$ source ~/.zshrc
# 設定を読み込みなおします
$ conda config --set auto_activate_base true
# 起動時、自動的にcondaが有効になるよう設定します

ターミナルを再起動して(base)と出ればAnaconda読み込めています。

Miniforgeをインストトールする

続いて、PythonとPython周りのパッケージを管理できるMiniforgeをインストトールします。まず、Miniforgeをダウンロードしましょう。~/Downloadディレクトリに保存されますので、インストール後、下記のコマンドでインストールします。

$ chmod +x ~/Download/Miniforge3-MacOSX-arm64.sh
# インストールスクリプトに実行権限を付与します
$ ~/Download/Miniforge3-MacOSX-arm64.sh
# インストールします
$ source ~/miniforge3/bin/activate
# Miniforgeを読み込みます

その後、ターミナルを再起動します。

Tensorflowをインストールする

それではいよいよ、Tensorflowをインストールします。まず、Pythonを実行するための仮想環境を作成し、その中に入ります。下記の例ではmacgpuboxという名前の仮想環境を作成しています。ログイン後に(macgpubox)と表示されればOKです。

$ mkdir macgpubox
$ cd ./macgpubox
# 作業ディレクトリを作成します
$ conda create --prefix ./env python=3.8
# Python3.8ベースの仮想環境「env」を作成します
$ conda activate ./env
# 仮想環境にログインします

続いてTensorflowと科学技術系のパッケージを次の順番でインストールします。

apple tensorflow-deps apple silliconでPythonを実行するためのパッケージ
tensorflow-macos macOS上でTensorflowを実行するためのパッケージ
tensorflow-metal macOSのCPU/GPUを管理するAPIを叩くパッケージ
その他：よく使われる科学技術系のパッケージ

$ conda install -c apple tensorflow-deps
$ python -m pip install tensorflow-macos
$ python -m pip install tensorflow-metal
$ conda install jupyter pandas numpy matplotlib scikit-learn

TensorflowからGPUへアクセスする

以上でMacBook ProのGPUにアクセスする準備ができましたので、早速サンプルコードを実行してみましょう。サンプルコードは以下の通りです。tf.config.list_physical_devices()で利用可能なハードウェアリソースを参照します。

$ vi test.py
import numpy as np
import pandas as pd
import sklearn
import tensorflow as tf
import matplotlib.pyplot as plt

# Check for TensorFlow GPU access
print(f"TensorFlow has access to the following devices:\n{tf.config.list_physical_devices()}")

# See TensorFlow version
print(f"TensorFlow version: {tf.__version__}")

実行結果は以下の通り！MacBook ProのGPUが見えましたね！

$ python test.py
TensorFlow has access to the following devices:
[PhysicalDevice(name='/physical_device:CPU:0', device_type='CPU'), PhysicalDevice(name='/physical_device:GPU:0', device_type='GPU')]
TensorFlow version: 2.13.0

これで外出先でも楽々GPUを使ったPythonコードを実装できそうです。