macOS (arm64) で、python で tensorflow を動かしたい。インストール方法や設定方法を教えて。kerashub からllmの小さいモデルをダウンロードして動かしたい。
26s考えました

macOS の Apple Silicon（arm64）では、現在は通常の tensorflow パッケージがネイティブ対応しています。GPUを利用する場合は、Appleの tensorflow-metal プラグインを追加します。KerasHubはKeras 3上で動作し、TensorFlow・JAX・PyTorchのいずれかをバックエンドとして利用できます。

ただし、tensorflow-metal は新しいTensorFlowとの組み合わせで読み込みエラーが報告されているため、まずは以下の安定寄りの構成を推奨します。

Python 3.11
TensorFlow 2.18.1
Keras 3
KerasHub
tensorflow-metal
1. arm64版Pythonの確認

ターミナルで実行します。

uname -m

次のように表示されればApple Siliconネイティブです。

arm64

Pythonも確認します。

python3 --version
python3 -c "import platform; print(platform.machine())"

結果が、たとえば次のようになれば問題ありません。

Python 3.11.x
arm64

x86_64 と表示される場合は、Rosetta版Pythonを使っている可能性があります。

2. HomebrewでPython 3.11を入れる

Homebrewが既にある場合は、次を実行します。

brew install python@3.11

インストール場所を確認します。

brew --prefix python@3.11

Apple Silicon版Homebrewなら、通常は次の場所です。

/opt/homebrew/opt/python@3.11
3. 仮想環境を作る

プロジェクト用ディレクトリを作成します。

mkdir -p ~/tensorflow-llm
cd ~/tensorflow-llm

Python 3.11で仮想環境を作ります。

/opt/homebrew/bin/python3.11 -m venv .venv

有効化します。

source .venv/bin/activate

確認します。

python --version
python -c "import platform; print(platform.machine())"

仮想環境を終了するときは次です。

deactivate
4. TensorFlowとKerasHubをインストールする

最初にインストールツールを更新します。

python -m pip install --upgrade pip setuptools wheel
GPUを使う安定寄りの構成
python -m pip install \
  "tensorflow==2.18.1" \
  tensorflow-metal \
  keras \
  keras-hub \
  kagglehub \
  sentencepiece

Apple公式では、TensorFlow 2.13以降は tensorflow-macos ではなく通常の tensorflow をインストールする方法が案内されています。GPUを使用するには tensorflow-metal を追加します。

新しいTensorFlowで libmetal_plugin.dylib の読み込みエラーが起きる事例があるため、GPU利用時はまず tensorflow==2.18.1 を試すのが安全です。

CPUだけでよい場合

Metal関係の問題を避けて、まずモデルを動かすだけなら次でも構いません。

python -m pip install tensorflow keras keras-hub kagglehub sentencepiece

この場合、tensorflow-metal はインストールしません。

5. TensorFlowの動作確認

check_tf.py を作ります。

import platform
import tensorflow as tf
import keras

print("Architecture :", platform.machine())
print("TensorFlow   :", tf.__version__)
print("Keras        :", keras.__version__)
print("Physical devices:")
for device in tf.config.list_physical_devices():
    print(" ", device)

print("GPU devices:")
for device in tf.config.list_physical_devices("GPU"):
    print(" ", device)

実行します。

python check_tf.py

GPUが認識されている場合は、概ね次のように表示されます。

Architecture : arm64
TensorFlow   : 2.18.1
Keras        : 3.x.x
GPU devices:
  PhysicalDevice(name='/physical_device:GPU:0', device_type='GPU')

Apple Siliconでは、GPU専用の独立したVRAMではなく、CPUとGPUがユニファイドメモリを共有します。そのため、LLMを読み込むとモデルの重みや中間テンソルがMac本体のメモリを消費します。

6. 簡単なGPU計算テスト
import time
import tensorflow as tf

print("GPU:", tf.config.list_physical_devices("GPU"))

device = "/GPU:0" if tf.config.list_physical_devices("GPU") else "/CPU:0"

with tf.device(device):
    a = tf.random.normal((4096, 4096))
    b = tf.random.normal((4096, 4096))

    # 最初の1回は初期化時間を含む
    c = tf.matmul(a, b)
    _ = c.numpy()

    start = time.perf_counter()
    c = tf.matmul(a, b)
    _ = c.numpy()
    elapsed = time.perf_counter() - start

print("Device:", device)
print(f"Time: {elapsed:.3f} sec")
python gpu_test.py
7. KerasHubで小型LLMを動かす

Keras 3では、バックエンドを環境変数 KERAS_BACKEND で指定します。これは、keras や keras_hub をインポートする前に設定する必要があります。

Qwen3 0.6Bを試す

KerasHubには約5.96億パラメータの qwen3_0.6b_en プリセットが掲載されており、比較的小型です。

run_qwen.py を次の内容で作ります。

import os

# kerasをimportする前に指定する
os.environ["KERAS_BACKEND"] = "tensorflow"

import tensorflow as tf
import keras