我最终可以在以下设置下使用它

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

我写了要点与程序：

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

我写了一个关于在MacOS上编译具有GPU支持的TensorFlow 1.2的小教程。我认为将相关部分复制到SO是习惯做法，所以这是这样：

1. 如果您以前没有使用过TensorFlow-GPU设置，建议您先使用TensorFlow 1.0或1.1进行所有设置，然后仍然可以通过pip install tensorflow-gpu 。一旦完成工作，如果您正在编译TensorFlow，CUDA设置也将起作用。如果您有外部GPU，YellowPillow的答案（或mine ）可能会帮助您进行设置。
2. 遵循官方教程“ 从源代码安装TensorFlow ”，但显然可以用git checkout r1.0代替git checkout r1.2 。在执行./configure ，请注意Python库路径：有时提示不正确。在大多数情况下，我选择默认选项，但以下选项除外：Python库路径，CUDA支持和计算能力。请勿将Clang用作CUDA编译器：这将导致您出现错误“ crosstool配置不一致；请参见第15页的“交叉工具配置不一致”。没有为CPU“ darwin”找到与“ local_darwin”相对应的工具链。”。使用/usr/bin/gcc作为编译器实际上将使用macOS / XCode随附的Clang。以下是我的完整配置。
3. TensorFlow 1.2需要一个名为OpenMP的C库，该库在当前的Apple Clang中不可用。它应该可以在多CPU机器上加快多线程TensorFlow的运行，但是如果没有它，它也会进行编译。我们可以尝试使用gcc 4（我没有管理过）构建TensorFlow，或者只是从构建文件中删除包含OpenMP的行。在我的情况下，我注释了tensorflow/third_party/gpus/cuda/BUILD.tpl第98行，其中contained linkopts = [“-lgomp”] （但是该行的位置可能明显改变了）。有些人对zmuldefs有问题 ，但是我认为那是早期版本的问题。感谢udnaan指出可以注释掉这些行。
4. 我在使用最新的bazel 0.5.3进行构建时遇到了一些问题，因此我恢复为使用已经安装的0.4.5。但是在github问题中的一些讨论提到bazel 0.5.2也没有问题。
5. 现在使用bazel进行构建，并按照官方安装指南的说明完成安装。在我的3.2 GHz iMac上，这大约花费了37分钟。

使用python库路径：/Users/m/code/3rd/conda/envs/p3gpu/lib/python3.6/site-packages

您是否希望在MKL支持下构建TensorFlow？ [y / N] N

TensorFlow不会启用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]：

您是否希望使用Google Cloud Platform支持构建TensorFlow？ [是/否]

TensorFlow不会启用任何Google Cloud Platform支持

您是否希望使用Hadoop File System支持构建TensorFlow？ [是/否]

TensorFlow不会启用Hadoop文件系统支持

您是否希望使用XLA即时编译器构建TensorFlow（实验性）？ [是/否]

TensorFlow不会启用任何XLA支持

您是否想在VERBS支持下构建TensorFlow？ [是/否]

TensorFlow不会启用VERBS支持

您是否希望使用OpenCL支持构建TensorFlow？ [是/否]

TensorFlow不会启用OpenCL支持

您是否希望使用CUDA支持构建TensorFlow？ [y / N] y

TensorFlow将启用CUDA支持

您想使用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CUDA工具包的安装位置。有关更多详细信息，请参考README.md。 [默认值为/ usr / local / cuda]：

请指定nvcc应将哪个gcc用作主机编译器。 [默认值为/ 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cuDNN库的安装位置。有关更多详细信息，请参考README.md。 [默认值为/ usr / local / cuda]：

请指定您要使用的逗号分隔的Cuda计算功能列表。

您可以在以下位置找到设备的计算能力： https : //developer.nvidia.com/cuda-gpus 。

请注意，每一项额外的计算功能都会显着增加构建时间和二进制文件大小。

[默认值为：“ 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

假设您已经设置好eGPU盒并将TB3电缆从eGPU连接到TB3端口：

1.下载并运行autoate-eGPU脚本

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：

“启动到恢复分区并键入：csrutil disable”

您现在要做的就是重新启动计算机，并在重新启动计算机时按住cmd + R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，然后重新运行automate-eGPU.sh脚本

2：下载并安装CUDA

• CUDA： https ： //developer.nvidia.com/cuda-downloads

运行cuda_8.0.61_mac.dmg文件，然后完成安装阶段。然后，您将需要设置路径。

转到终端并输入：

vim ~/.bash_profile

或者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.下载并安装cuDNN

• cuDNN： https ： //developer.nvidia.com/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。请确保下载cuDNN v5.1 Library for OSX因为它是Tensorflow v1.1期望的库。请注意，由于Mac不支持GPU，因此我们不能使用Tensorflow v1.2：（（

[！[在此处输入图片描述] [1]] [1]

现在，您将下载一个名为cudnn-8.0-osx-x64-v5.1.tgz的zip文件，解压缩并使用终端将创建一个名为cuda和cd的文件。假设该文件夹位于“下载”中

打开终端并输入：

cd ~/Downloads/cuda

现在我们需要将cuDNN文件复制到存储CUDA位置，以便：

sudo cp include/* /usr/local/cuda/include/
sudo cp lib/* /usr/local/cuda/lib/

4.现在在您的conda / virtualenv中安装Tensorflow-GPU v1.1

对我来说，因为我使用conda所以使用Terminal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：

在终端中输入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))

如果您有GPU，则应该可以正常运行，如果有，则应该获得堆栈跟踪（只是一堆错误消息），并且应该包括

无法将设备分配给节点“ MatMul”：无法满足显式设备规范“ / device：GPU：0”，因为在此过程中未注册与该规范匹配的设备

如果没有，那么恭喜您！我今天刚设置好我的，并且运行良好:)

这是我在Mac上安装e-gpu的解决方案。 Tensorflow不再支持tensorflow-gpu，因此绝对有更好的方法来使其工作：

我的配置：

• IMac 27'2012年底
• Aktio节点
• GTX 1080 ti
• 3个屏幕：其中一个连接到GTX 1080，另一个直接插入Mac。

Windows Bootcamp安装的优点：

• 您可以使用pip安装tensorflow-gpu。
• 良好的GPU 1080 ti支持（可下载的显示驱动程序）

如何：

• 使用Bootcamp安装Windows 10。目前请勿连接Akito节点。
• 从NVIDIA下载页面下载并安装适用于您的GPU的显示驱动程序
• 安装Visual Studio
  • 如果要使用CUDA 9.x，则可以安装Visual Studio 2017
  • 否则安装Visual Studio 2015
• 安装CUDA和CuDNN
  • 请注意，tensorflow-gpu版本必须与您的Cuda和CudNN版本匹配。 在此处查看可用的tensorflow版本。
  • 安装CUDA之后，您可以将解压缩后的CuDNN文件移动到CUDA文件夹，位于：C：\ Program Files \ NVIDIA GPU Computing Toolkit \ CUDA \ v9.0。将lib文件移动到lib文件夹，将bin文件移动到bin文件夹，将include文件移动到include文件夹。
• 安装Python 3.5+
  • 您需要64位版本才能通过pip安装tensorflow-gpu
  • Python 2.7无法正常工作。
• 使用pip安装tensorflow：

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，检查您的视频卡是否可用于CUDA。

执行以下tensorflow命令以查看可用设备：

from tensorflow.python.client import device_lib
device_lib.list_local_devices()

故障排除和提示：

• Windows希望更新您的GTX 1080驱动程序。绝对不要这样做，因为您将无法再次启动计算机！在您登录窗口之前，将出现一个带有移动点的黑屏。游戏结束！仅使用NVIDIA下载页面上的显示驱动程序。
• 如果无法再在OSX上启动Windows，请在启动时按Alt键重新安装Windows。

Ubuntu解决方案：

我找不到可行的解决方案，但是这里有一些方法：

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，无法再启动Ubuntu ： Ubuntu不能再启动anmore 。尝试从NVIDIA下载页面下载官方显示驱动程序。

OSX解决方案：仅在tensorflow 1.1之前支持Tensorflow GPU。我试图安装较新的版本，但无法通过cuda支持构建tensorflow-gpu。以下是一些方法：

• 安装OSX Sierra以使用e-gpu脚本 。海塞拉山脉将不起作用（2018年1月13日）。通过删除所有分区降级为sierra。然后在启动时按Command + R加载Internet恢复。不要忘记先备份您的数据。
• 安装e-gpu脚本 。
• 如果tensorflow-gpu 1.1足以满足您的要求，则可以通过pip进行安装，否则您需要使用bazel构建pip。

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，并且不能自行构建。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！