tensorflowmac编译

‘壹’ 如何在Mac电脑上面编译GPU版本TensorFlow

确定你的Mac是Nvidia显卡，且compute capabilities >= 3.0，点这里查看 你的显卡型号是否支持
确保你的显存至少1GB以上（Mac即使是N卡，内存都少得可怜，我的GT640M只有512M，所以后面跑CNN基本都会OOM）
编译TensorFlow需要安装Xcode（如果安装CUDA 7.5.27，可以用Xcode7.3，否者只能用7.2版本）假定大家的Mac已经安装了Homebrew（没安装的人点这里安装）
在后续安装过程中有些包下载会非常慢，甚至被墙，所以你最好有VPN，如果不想花钱可以用免费的Lantern！

‘贰’ opencv3与tensorflow的关系,各有什么有优缺点

优缺点如下：

一、OpenCV

1、研究代码（慢，不稳定，独立并与其他库不兼容）。

2、耗费很高的商业化工具（比如Halcon,MATLAB+Simulink）。

3、依赖硬件的一些特别的解决方案（比如视频监控，制造控制系统，医疗设备）这是如今的现状，而标准的API将简化计算机视觉程序和解决方案的开发，OpenCV致力于成为这样的标准API。

二、TensorFlow

1、可用性

TensorFlow 工作流程相对容易，API 稳定，兼容性好，并且 TensorFlow 与 Numpy 完美结合，这使大多数精通 Python 数据科学家很容易上手。

与其他一些库不同，TensorFlow 不需要任 何编译时间， 这允许你可以更快地迭代想法。在TensorFlow 之上 已经建立了多个高级 API，例如Keras 和 SkFlow，这给用户使用TensorFlow 带来了极大的好处。

2、灵活性

TensorFlow 能够在各种类型的机器上运行，从超级计算机到嵌入式系统。它的分布式架构使大量数据集的模型训练不需要太多的时 间。TensorFlow 可以同时在多个 CPU，GPU 或者两者混合运行。

3、效率

自 TensorFlow 第一次发布以来，开发团队花费了大量的时间和努力 来改进TensorFlow 的大部分的实现代码。 随着越来越多的开发人 员努力，TensorFlow 的效率不断提高。

系统支持

可以在Windows，Android，Maemo，FreeBSD，OpenBSD，iOS，Linux 和Mac OS等平台上运行。使用者可以在 SourceForge 获得官方版本，或者从 SVN 获得开发版本。OpenCV也是用CMake。

在Windows上编译OpenCV中与摄像输入有关部分时，需要DirectShow SDK中的一些基类。该SDK可以从预先编译的Microsoft Platform SDK（or DirectX SDK 8.0 to 9.0c / DirectX Media SDK prior to 6.0）的子目录获得。

‘叁’ Mac鐢佃剳鑳界敤GPU钖

涓嶈兘銆
锘烘湰涓婃墍链夌殑macbook鑻规灉链閮芥槸浣跨敤镄AMD鏄惧崱,涓嶆敮鎸丯avid鏄惧崱,镓浠ヨ娴鏋灭玛璁版湰镄凾ensorflow绛链哄櫒瀛︿範妗嗘灦涓嶈兘鍦℅PU涓婃墽琛屻