根据
https://www.tensorflow.org/install/install_mac注意：从 1.2 版开始，TensorFlow 不再在 Mac OS X 上提供 GPU 支持。不再提供对 OS X 的 GPU 支持。
但是，我想通过 Thunderbolt 3 运行一个 e-gpu 设置，比如 1080 ti 的 akitio 节点。
需要哪些步骤才能使此设置正常工作？到目前为止我知道
是必须的。让 CUDA / tensorflow 工作还需要什么？
我写了一个关于在 macOS 上使用 GPU 支持编译 TensorFlow 1.2的小教程。我认为将相关部分复制到 SO 是习惯性的，所以这里是：
pip install tensorflow-gpu. 一旦你开始工作，如果你正在编译 TensorFlow，CUDA 设置也可以工作。如果您有外部 GPU，YellowPillow 的答案（或我的）可能会帮助您进行设置。git checkout r1.0用git checkout r1.2. 执行时./configure，请注意 Python 库路径：它有时会提示错误的路径。在大多数情况下，我选择了默认选项，除了：Python 库路径、CUDA 支持和计算能力。不要使用 Clang 作为 CUDA 编译器：这会导致错误“Inconsistent crosstool configuration; 没有为 cpu 'darwin' 找到对应于 'local_darwin' 的工具链。”。使用/usr/bin/gccas 你的编译器实际上将使用 macOS / XCode 附带的 Clang。下面是我的完整配置。tensorflow/third_party/gpus/cuda/BUILD.tpl（contained linkopts = [“-lgomp”]但该行的位置可能会明显改变）。有些人对 zmuldefs 有疑问，但我认为这是早期版本的问题；感谢 udnaan 指出可以注释掉这些行。使用python库路径：/Users/m/code/3rd/conda/envs/p3gpu/lib/python3.6/site-packages
你想构建支持 MKL 的 TensorFlow 吗？[是/否] 否
不会为 TensorFlow 启用 MKL 支持
当指定 bazel 选项“--config=opt”时，请指定要在编译期间使用的优化标志 [默认为 -march=native]：
您想构建支持 Google Cloud Platform 的 TensorFlow 吗？[是/否]
不会为 TensorFlow 启用 Google Cloud Platform 支持
您希望构建支持 Hadoop 文件系统的 TensorFlow 吗？[是/否]
不会为 TensorFlow 启用 Hadoop 文件系统支持
您是否希望使用 XLA 即时编译器（实验性）构建 TensorFlow？[是/否]
不会为 TensorFlow 启用 XLA 支持
你想构建带有 VERBS 支持的 TensorFlow 吗？[是/否]
不会为 TensorFlow 启用 VERBS 支持
您想构建支持 OpenCL 的 TensorFlow 吗？[是/否]
不会为 TensorFlow 启用 OpenCL 支持
您想构建支持 CUDA 的 TensorFlow 吗？[是/否] 是
将为 TensorFlow 启用 CUDA 支持
你想使用 clang 作为 CUDA 编译器吗？[是/否]
nvcc 将用作 CUDA 编译器
请指定您要使用的 CUDA SDK 版本，例如 7.0。[留空以使用系统默认值]：
请指定安装 CUDA 工具包的位置。有关详细信息，请参阅 README.md。[默认为 /usr/local/cuda]：
请指定 nvcc 应使用哪个 gcc 作为主机编译器。[默认为 /usr/bin/gcc]：
请指定您要使用的 cuDNN 版本。[留空以使用系统默认值]：
请指定安装 cuDNN 库的位置。有关详细信息，请参阅 README.md。[默认为 /usr/local/cuda]：
请指定您要构建的以逗号分隔的 Cuda 计算功能列表。
您可以在以下网址找到您设备的计算能力：https ://developer.nvidia.com/cuda-gpus 。
请注意，每个额外的计算能力都会显着增加您的构建时间和二进制文件大小。
[默认为：“3.5,5.2”]：6.1
信息：开始清洁（这可能需要一段时间）。如果清理时间超过几分钟，请考虑使用 --async。
配置完成
我终于可以使用以下设置
我写了一个程序要点：
https://gist.github.com/jganzabal/8e59e3b0f59642dd0b5f2e4de03c7687
假设您已经设置了 eGPU 盒并将 TB3 电缆从 eGPU 连接到您的 TB3 端口：
1.下载automate-eGPU脚本并运行
curl -o ~/Desktop/automate-eGPU.sh
https://raw.githubusercontent.com/goalque/automate-eGPU/master/automate-eGPU.sh
&& chmod +x ~/Desktop/automate-eGPU.sh && cd ~/Desktop && sudo
./automate-eGPU.sh
您可能会收到一条错误消息：
“启动到恢复分区并输入：csrutil disable”
您现在需要做的就是重新启动计算机，并在重新启动时按住cmd + R以启用恢复模式。然后在恢复模式下找到终端并输入：
csrutil disable
然后重新启动计算机并重新运行automate-eGPU.sh脚本
2：下载安装CUDA
运行该cuda_8.0.61_mac.dmg文件并完成安装阶段。然后，您将需要设置路径。
转到您的终端并输入：
vim ~/.bash_profile
或者您是否存储了环境变量，然后添加以下三行：
export CUDA_HOME=/usr/local/cuda
export DYLD_LIBRARY_PATH="$CUDA_HOME/lib:$CUDA_HOME:$CUDA_HOME/extras/CUPTI/lib"
export LD_LIBRARY_PATH=$DYLD_LIBRARY_PATH
3.下载安装cuDNN
要下载 cuDNN 有点麻烦，您必须注册成为 Nvidia 的开发人员，然后才能下载它。确保下载cuDNN v5.1 Library for OSX，因为它是 Tensorflow v1.1 所期望的请注意，我们不能使用 Tensorflow v1.2，因为 Mac 不支持 GPU :((
[![在此处输入图像描述][1]][1]
现在您将下载一个名为 , unzip and 的 zip 文件，它将使用终端cudnn-8.0-osx-x64-v5.1.tgz创建一个名为and cd 的文件。cuda假设该文件夹在 Downloads 中
打开终端并输入：
cd ~/Downloads/cuda
现在我们需要将cuDNN文件复制到CUDA存储位置：
sudo cp include/* /usr/local/cuda/include/
sudo cp lib/* /usr/local/cuda/lib/
4. 现在在你的 conda/virtualenv 中安装 Tensorflow-GPU v1.1
对我来说，自从我conda使用终端以来，我创建了一个新环境：
conda create -n egpu python=3
source activate egpu
pip install tensorflow-gpu # should install version 1.1
5. 验证它是否有效
首先，您必须重新启动计算机，然后：
在终端类型python并输入：
import tensorflow as tf
with tf.device('/gpu:0'):
a = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[2, 3], name='a')
b = tf.constant([1.0, 2.0, 3.0, 4.0, 5.0, 6.0], shape=[3, 2], name='b')
c = tf.matmul(a, b)
with tf.Session() as sess:
print (sess.run(c))
如果你有一个 GPU，它应该可以正常运行，如果有，那么你应该得到一个堆栈跟踪（只是一堆错误消息），它应该包括
无法将设备分配给节点“MatMul”：无法满足明确的设备规范“/device:GPU:0”，因为在此过程中没有注册符合该规范的设备
如果没有，那么你就完成了恭喜！我今天刚设置好我的，它工作得很好:)
这是我在 Mac 上安装 e-gpu 的解决方案。Tensorflow 不再支持 tensorflow-gpu，所以肯定有更好的方法让它工作：
我的配置：
windows bootcamp安装的优点：
如何：
命令：
pip install tensorflow-gpu==1.5.0rc0
检查您的安装
当您可以将屏幕插入 GTX 1080 ti 卡时，显示驱动程序已正确安装。
调用 C:\Program Files\NVIDIA Corporation\NVSMI\nvidia-smi.exe 检查您的显卡是否可用于 CUDA。
执行以下 tensorflow 命令查看可用设备：
from tensorflow.python.client import device_lib
device_lib.list_local_devices()
故障排除和提示：
Ubuntu解决方案：
我找不到可行的解决方案，但这里有一些方法：
看来我的 GTX 680 (iMac) 和我的 GTX 1080 ti 不能一起工作。通过 apt-get 安装显示驱动程序后 Ubuntu 无法再启动：Ubuntu not started anmore。尝试从NVIDIA 下载页面下载官方显示驱动程序。
OSX 解决方案： Tensorflow GPU 仅支持到 tensorflow 1.1。我尝试安装更新版本，但无法构建具有 cuda 支持的 tensorflow-gpu。以下是一些方法：
结论： windows 安装比 OSX 或 Ubuntu 安装更容易，因为显示驱动程序可以正常工作和 tensorflow，不能自己构建。始终检查您使用的软件版本。必须完全匹配。
我希望这能帮到您！