Derin Öğrenme #1: Apple M1 MacBook’ta TensorFlow ve TensorFlow-Metal Kurulumu

Not: Bu yazı, öğrendiğim bilgileri daha iyi pekiştirmek ve yanlış bir yorum yapmamak adına GPT-4o tarafından incelenmiş ve düzenlenmiştir.

---

Apple M1 işlemcili MacBook’larda TensorFlow kullanımı, CPU ve GPU mimarisi farklılıklarından dolayı bazen uyumluluk sorunlarına yol açabilir. Bu yazıda, TensorFlow’un Metal API ile hızlandırılmış bir versiyonunu kurup çalıştırmayı ve küçük bir model eğitimi örneği gerçekleştirmeyi adım adım açıklayacağım.

---

1. Miniforge ile Conda Ortamı Kurulumu

Apple Silicon için optimize edilmiş Miniforge, TensorFlow gibi kütüphanelerle uyumlu bir Conda dağıtımıdır.

Miniforge İndir ve Kur

chmod +x Miniforge3-MacOSX-arm64.sh
sh Miniforge3-MacOSX-arm64.sh

Conda'yı Etkinleştir

source ~/miniforge3/bin/activate

---

2. Yeni Bir TensorFlow Ortamı Oluşturma

Birden fazla proje için uyumluluğu korumak adına izole bir ortam oluşturmak önemlidir.

Ortamı Oluştur ve Etkinleştir

conda create --name tf_env python=3.9
conda activate tf_env

---

3. TensorFlow Bağımlılıklarını Yükleme

TensorFlow’un Metal API desteği için gerekli olan bağımlılıkları yükleyin.

Apple Metal API Bağımlılıklarını Yükleyin

conda install -c apple tensorflow-deps

---

4. TensorFlow ve TensorFlow-Metal Kurulumu

TensorFlow’un Metal hızlandırmasını kullanarak GPU’dan tam performans alabilirsiniz.

TensorFlow ve Metal Desteğini Yükleyin

pip install tensorflow==2.14
pip install tensorflow-metal

---

5. Model Kodunun Yazılması

Eğitim sırasında kullanılacak bir TensorFlow modeli oluşturun.

main.py Dosyası

import tensorflow as tf
import numpy as np
import matplotlib.pyplot as plt

print("TensorFlow Version:", tf.__version__)

# Basit bir model
x = np.array([-1.0, 0.0, 1.0, 2.0])
y = np.array([-2.0, 0.0, 2.0, 4.0])

model = tf.keras.Sequential([
    tf.keras.layers.Dense(units=1, input_shape=[1])
])
model.compile(optimizer='sgd', loss='mean_squared_error')
model.fit(x, y, epochs=10)
print("Model eğitimi tamamlandı.")

---

6. Modeli Çalıştırma ve Test Etme

Modeli eğitmek ve TensorFlow’un doğru çalıştığını doğrulamak için aşağıdaki komutu kullanın:

python main.py

Başarılı Bir Çalıştırma İçin Çıkış Örneği

TensorFlow Version: 2.14.0
Epoch 1/10
1/1 [==============================] - 1s 1s/step - loss: 18.7070
...
Model eğitimi tamamlandı.

---

7. Karşılaşılan Sorunlar ve Çözümleri

• Protobuf Hatası: TensorFlow 2.16.2 sürümünde, Metal API ile uyumluluk sorunları görülebilir. Bu, TensorFlow sürümünü 2.14.0’a düşürerek çözüldü.
• GPU Aktivasyonu: TensorFlow’un GPU hızlandırmasını kullandığını doğrulamak için çıktıdaki Metal device set to: Apple M1 Pro mesajına dikkat edin.

---

8. Sonuç ve Öneriler

Bu süreçte TensorFlow’u M1 işlemcili bir MacBook’ta çalıştırmayı başardık. TensorFlow-Metal sayesinde GPU hızlandırması sağlanarak model eğitimi daha hızlı gerçekleştirildi. Uyumluluk sorunlarını minimize etmek için doğru TensorFlow sürümünü seçmek kritik bir adımdır.

---

Özet:

Bu rehberde, TensorFlow’un Apple Silicon için optimize edilmiş bir sürümünü nasıl kuracağınızı ve temel bir modelin eğitimini nasıl gerçekleştireceğinizi gösterdim. Apple M1 Pro çipinizin gücünden tam anlamıyla faydalanmak için TensorFlow-Metal’i kullanmaya devam edebilirsiniz.