我想知道2017年末配备2016年款MacBook Pro的macOS的外部GPU（eGPU）选项是什么。

我做了研究，但是在互联网上我发现了很多令人困惑的信息。有人说它可以工作，但是需要Windows（双启动）。有人说，它只能用于较旧的显卡，因为较新的显卡（GTX 1080）不支持CUDA。理想情况下，我想运行NVIDIA的1080 GTX。我唯一的目的是与它一起使用Keras和TensorFlow。但是，我不知道使它正常工作的所有重要事项。因此，我的问题是，是否可以在后期的MacBook Pro 2016（15英寸）上使用TensorFlow和CUDA和eGPU？我想在macOS（晚于MacBook Pro 15英寸）中使用图形卡作为eGPU（无双显卡）。启动/ Windows / Linux分区）。

旁注：我见过用户在Macbook之前使用过eGPU（Razor Core，AKiTiO Node），但从未与CUDA和Machine Learning（或1080 GTX）结合使用。人们建议改为租用服务器空间，或使用Windows（更好的图形卡支持），甚至以允许您在Mac上使用eGPU的价格建造新PC。（我不喜欢这种选择。）

我终于可以安装Nvidia Titan XP + MacBook Pro + Akitio Node + Tensorflow + Keras

我写了要点，希望对您有帮助

https://gist.github.com/jganzabal/8e59e3b0f59642dd0b5f2e4de03c7687

这是我所做的：

此配置对我有用，希望对您有所帮助

它基于：https : //becominghuman.ai/deep-learning-gaming-build-with-nvidia-titan-xp-and-macbook-pro-with-thunderbolt2-5ceee7167f8b

并继续：https : //stackoverflow.com/questions/44744737/tensorflow-mac-os-gpu-support

硬件

• Nvidia视频卡：Titan Xp
• EGPU：Akitio节点
• MacBook Pro（13英寸视网膜，2015年初）
• Apple Thunderbolt3转Thunderbolt2适配器
• Apple Thunderbolt2电缆

软件版本

• macOS Sierra版本10.12.6
• GPU驱动程序版本：10.18.5（378.05.05.25f01）
• CUDA驱动程序版本：8.0.61
• cuDNN v5.1（2017年1月20日），适用于CUDA 8.0：需要注册和下载
• 张量流-gpu 1.0.0
• 凯拉斯2.0.8

程序：

安装GPU驱动程序

1. 关闭系统，然后按（⌘和R）键再次打开系统电源，直到看到，这将使您进入恢复模式。
2. 从菜单栏中单击实用程序>终端，然后输入'csrutil disable; 重新启动”，按Enter执行该命令。

3. Mac重新启动后，在终端中运行以下命令：

   cd ~/Desktop; git clone https://github.com/goalque/automate-eGPU.git
   chmod +x ~/Desktop/automate-eGPU/automate-eGPU.sh
   sudo ~/Desktop/automate-eGPU/./automate-eGPU.sh
   

4. 从Mac上拔出eGPU，然后重新启动。如果您不拔出eGPU，则很重要，重启后可能会出现黑屏。

5. Mac重新启动后，打开终端并执行以下命令：

   sudo ~/Desktop/automate-eGPU/./automate-eGPU.sh -a
   

   6. 通过TH2将eGPU插入Mac。
   7. 重新启动Mac。

安装CUDA，cuDNN，Tensorflow和Keras

目前，Keras 2.08需要tensorflow 1.0.0。Tensorflow-gpu 1.0.0需要CUDA 8.0，而cuDNN v5.1是最适合我的版本。我尝试了其他组合，但似乎没有用

1. 下载并安装CUDA 8.0 CUDA Toolkit 8.0 GA2（2017年2月）
2. 安装它并按照说明进行操作

3. 设置环境变量

   vim ~/.bash_profile
   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
   

（如果您的bash_profile不存在，请创建它。每次打开终端窗口时都会执行此操作）

4. 下载并安装cuDNN（cudnn-8.0-osx-x64-v5.1）需要先注册才能下载

5. 将cuDNN文件复制到CUDA

   cd ~/Downloads/cuda
   sudo cp include/* /usr/local/cuda/include/
   sudo cp lib/* /usr/local/cuda/lib/
   

6. 创建环境并安装tensorflow

   conda create -n egpu python=3
   source activate egpu
   pip install tensorflow-gpu==1.0.0
   

7. 验证它是否有效

运行以下脚本：

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))

8. 在环境中安装Keras并将tensorflow设置为后端：

   pip install --upgrade --no-deps keras # Need no-deps flag to prevent from installing tensorflow dependency
   KERAS_BACKEND=tensorflow python -c "from keras import backend"
   

   输出：

   Using TensorFlow backend.
   I tensorflow/stream_executor/dso_loader.cc:135] successfully opened CUDA library libcublas.8.0.dylib locally
   I tensorflow/stream_executor/dso_loader.cc:135] successfully opened CUDA library libcudnn.5.dylib locally
   I tensorflow/stream_executor/dso_loader.cc:135] successfully opened CUDA library libcufft.8.0.dylib locally
   I tensorflow/stream_executor/dso_loader.cc:126] Couldn't open CUDA library libcuda.1.dylib. LD_LIBRARY_PATH: /usr/local/cuda/lib:/usr/local/cuda:/usr/local/cuda/extras/CUPTI/lib
   I tensorflow/stream_executor/dso_loader.cc:135] successfully opened CUDA library libcuda.dylib locally
   I tensorflow/stream_executor/dso_loader.cc:135] successfully opened CUDA library libcurand.8.0.dylib locally
   

我能够在iMac上的Akitio节点上使用NVIDIA GTX 1080 Ti（2013年末）。我正在使用Thunderbolt 2> 3适配器，但是在较新的Mac上，您可以直接使用速度更快的TB3。

eGPU.io中描述了多种eGPU设置，您可能会找到一种准确描述您的计算机/机箱/卡的设置。这些教程主要用于使用eGPU加速显示，尽管显然，您不需要遵循所有步骤即可训练NN。

这大致就是我所做的：

• 根据官方文档安装CUDA 。
• 禁用SIP（适用于Google的教程）。eGPU.sh脚本需要此，后来TensorFlow也需要。
• 运行每个eGPU.io似乎都依赖的automate-eGPU.sh脚本（使用sudo）。
• 安装cuDNN。NVIDIA网站上的文件应/usr/local/cuda与其余CUDA库一起包括在内。
• 卸载仅CPU的TensorFlow并安装具有GPU支持的设备。使用进行安装时pip install tensorflow-gpu，没有安装错误，但是在Python中需要TensorFlow时出现了段错误。事实证明，必须设置一些环境变量（与CUDA安装程序建议的有点不同），这些变量在GitHub问题注释中进行了描述。
• 我还尝试从源代码编译TensorFlow，在按上一步所述设置env vars之前，该方法无法正常工作。

从iStat菜单中，我可以验证训练期间是否确实使用了外部GPU。不过，此TensorFlow安装无法与Jupyter一起使用，但希望有解决方法。

我还没有使用过此设置，所以不确定性能的提高（或带宽限制），但是自NVIDIA开始发布适用于macOS的驱动程序以来，现在肯定可以使用eGPU + TensorFlow / CUDA。

macOS上的eGPU支持是一个困难的话题，但是我会尽力回答您的问题。

让我们从图形卡开始！为了节省时间，并且由于我们正在使用CUDA，我们将坚持使用Nvidia卡。任何显卡都可以在Windows上使用适当的驱动程序。但是，Apple仅正式支持少数Nvidia图形卡，主要是非常老的图形卡。但是，Nvidia图形驱动程序实际上可以在几乎所有Nvidia的GeForce和Quadro卡上运行，唯一的例外是。GTX 10xx卡将无法使用。在任何Mac操作系统上。期。Nvidia的驱动程序不支持该卡。如果您正在寻找动力，则需要查看GTX 980Ti或Titan X（许多优质的Quadro卡也可以正常工作）。

现在我们已经涵盖了这一点，让我们进入eGPU机箱。我要假设，因为您专门提到了eGPU，所以您已经为实际的eGPU机箱预算了（以AKiTiO Node为例），而不是带有外部电源的PCIe扩展机箱，因为这不是好主意。

因此，现在我们在eGPU外壳（AKiTiO节点）中有一个图形卡（GTX 980Ti），我们希望它能够正常工作。好吧，说起来容易做起来难。我在2016年底做了一些eGPU研究，获得的信息相对混乱，所以如果有人有任何评论或更正，请告诉我。据我了解，要利用eGPU的功能，您需要将外部显示器插入eGPU。我不相信您无需在macOS中使用外部显示器即可运行eGPU。您还不会在连接eGPU的显示器上看到Apple的启动屏幕（除非您从MacVidCards购买了闪存卡），但是随后您应该能够使用eGPU来驱动图形。

假设您成功完成了所有这些操作，则您应该具有功能强大的启用CUDA的图形功能。

我最近在pytorch和fastai的OSX 10.13.6中做到了。在这里查看我的要点：https : //gist.github.com/dandanwei/18708e7bd5fd2b227f86bca668343093

如果您使用的是macOS 10.13.3，请检查此链接。它涵盖了从eGPU设置到TensorFlow编译的所有内容。

• macOS：10.13.3
• 网络驱动程序：387.10.10.10.25.156
• CUDA工具包：9.1.128
• cuDNN：7
• NVDAEGPU支持：6
• XCode：8.2
• 边框：0.9.0
• OpenMP：最新
• 的Python：3.6
• TensorFlow：1.5.0