电脑系统：MacBook Pro M1 + Mac Ventura 13.5
安装：Miniconda + tensorflow-macos-2.13.0 + torch-2.0.1
1、安装Miniconda
Miniconda是Anaconda的轻量化版本，如果想要节省硬盘存储空间，可以考虑安装Miniconda而非Anaconda。但是Anaconda具有一个可视化界面且预安装的包比较全（有些包我们可能一辈子都不会用到嘿嘿），对于初次使用的用户来说比较友好。
具体的关于如何安装Miniconda和Anaconda的差别，可以参考：链接。
此处仅安装Miniconda。
1.1 下载Miniconda
Miniconda下载地址：链接。选择M1版本bash文件下载。
1.2 安装Miniconda
下载完后，打开电脑Terminal（终端），进入到Download（下载）文件夹，安装Miniconda。
输入：
cd Downloads # 进入Download文件夹
bash Miniconda3-latest-MacOSX-arm64.sh #安装Miniconda此时会让查看协议，输入：ENTER
查看完协议后，输入：yes。
此时会提示Miniconda的安装路径，按“ENTER”键即可。
于是开始安装，安装完毕输入：yes，完成初始化。
可以发现环境变量已经修改。
可以查看一下.zshrc文件，内容新增如下：
重启Terminal，看到开头显示(base)字样。
查看conda的版本号，在Terminal中输入：
conda --version此时返回conda的版本，说明安装成功。
如果不想每次打开终端就自动激活conda的base环境，可以将auto_activate_base参数设置为false。在Terminal中输入（此步骤可选）：
conda config --set auto_activate_base false1.3 配置源
1.3.1 配置conda源
查看当前源配置，在Terminal中输入：
conda config --show channels可以发现当前为defaults，表示conda目前所用的镜像源为默认的镜像源。
继续输入：
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/menpo/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/bioconda/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/msys2/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/pytorch/
conda config --set show_channel_urls yes以上对源的配置实际上是修改home路径下.condarc文件。
1.3.2 配置pip源
在Terminal中输入：
pip config set global.index-url https://pypi.tuna.tsinghua.edu.cn/simple返回结果：
查看源配置情况，在Terminal中输入：
pip config list -v返回结果：
1.4 Conda相关命令
| 功能 | 命令 | 示例 |
| 创建虚拟环境 | conda create -n env_name python==version | conda create -n tf2.8 python==3.8 |
| 激活虚拟环境 | conda activate env_name | conda activate tf2.8 |
| 退出虚拟环境 | conda deactivate | conda deactivate |
| 删除虚拟环境 | conda remove -n env_name --all | conda remove -n tf2.8 --all |
| 查看所有已创建的虚拟环境 | conda env list / conda info -e | conda env list / conda info -e |
| 安装包 | conda install package_name | conda install numpy |
| 查看所有已安装的包 | conda list | conda list |
| 升级包版本 | conda update package_name | conda update numpy |
2、安装Xcode
在Terminal中输入：
xcode-select --install选择“安装”即可，安装过程略长，耐心等待呀～
3、安装TensorFlow2.10-GPU
安装前提：
Requirements
- Mac computers with Apple silicon or AMD GPUs（具备GPU）
- macOS 12.0 or later (Get the latest beta)（12.0以上操作系统）
- Python 3.8 or later（3.8以上python）
- Xcode command-line tools:
xcode-select --install（安装Xcode，前面已安装）
参考链接：
Get Started with tensorflow-metal
3.1 创建虚拟环境
在base环境中输入：
conda create -n tf2.13-gpu python==3.10当出现：Proceed ([y]/n)? 提示时，输入：y。
激活虚拟环境，输入：
conda activate tf2.13-gpu3.2 安装tensorflow-macos 2.13.0
在tf2.10-gpu环境中输入：
python -m pip install tensorflow返回结果：
Successfully installed MarkupSafe-2.1.3 absl-py-1.4.0 astunparse-1.6.3 cachetools-5.3.1 certifi-2023.7.22 charset-normalizer-3.2.0 flatbuffers-23.5.26 gast-0.4.0 google-auth-2.22.0 google-auth-oauthlib-1.0.0 google-pasta-0.2.0 grpcio-1.56.2 h5py-3.9.0 idna-3.4 keras-2.13.1 libclang-16.0.6 markdown-3.4.4 numpy-1.24.3 oauthlib-3.2.2 opt-einsum-3.3.0 packaging-23.1 protobuf-4.23.4 pyasn1-0.5.0 pyasn1-modules-0.3.0 requests-2.31.0 requests-oauthlib-1.3.1 rsa-4.9 six-1.16.0 tensorboard-2.13.0 tensorboard-data-server-0.7.1 tensorflow-2.13.0 tensorflow-estimator-2.13.0 tensorflow-macos-2.13.0 termcolor-2.3.0 typing-extensions-4.5.0 urllib3-1.26.16 werkzeug-2.3.6 wrapt-1.15.0
3.3 安装tensorflow-metal插件
在tf2.10-gpu环境中输入：
python -m pip install tensorflow-metal返回结果：
Successfully installed tensorflow-metal-1.0.1
3.4 验证
可以通过以下代码验证安装是否成功：
import tensorflow as tf
cifar = tf.keras.datasets.cifar100
(x_train, y_train), (x_test, y_test) = cifar.load_data()
model = tf.keras.applications.ResNet50(
include_top=True,
weights=None,
input_shape=(32, 32, 3),
classes=100,)
loss_fn = tf.keras.losses.SparseCategoricalCrossentropy(from_logits=False)
model.compile(optimizer="adam", loss=loss_fn, metrics=["accuracy"])
model.fit(x_train, y_train, epochs=5, batch_size=64)返回结果：
2023-08-06 15:20:02.934449: I metal_plugin/src/device/metal_device.cc:1154] Metal device set to: Apple M1
2023-08-06 15:20:02.934483: I metal_plugin/src/device/metal_device.cc:296] systemMemory: 16.00 GB
2023-08-06 15:20:02.934488: I metal_plugin/src/device/metal_device.cc:313] maxCacheSize: 5.33 GB
2023-08-06 15:20:02.934545: I tensorflow/core/common_runtime/pluggable_device/pluggable_device_factory.cc:303] Could not identify NUMA node of platform GPU ID 0, defaulting to 0. Your kernel may not have been built with NUMA support.
2023-08-06 15:20:02.934577: I tensorflow/core/common_runtime/pluggable_device/pluggable_device_factory.cc:269] Created TensorFlow device (/job:localhost/replica:0/task:0/device:GPU:0 with 0 MB memory) -> physical PluggableDevice (device: 0, name: METAL, pci bus id: <undefined>)
Epoch 1/5
2023-08-06 15:20:05.991958: I tensorflow/core/grappler/optimizers/custom_graph_optimizer_registry.cc:114] Plugin optimizer for device_type GPU is enabled.
782/782 [==============================] - 123s 146ms/step - loss: 4.6828 - accuracy: 0.0756
Epoch 2/5
782/782 [==============================] - 112s 143ms/step - loss: 3.9808 - accuracy: 0.1352
Epoch 3/5
782/782 [==============================] - 112s 143ms/step - loss: 3.6236 - accuracy: 0.1873
Epoch 4/5
782/782 [==============================] - 112s 143ms/step - loss: 3.4396 - accuracy: 0.2140
Epoch 5/5
782/782 [==============================] - 112s 143ms/step - loss: 3.1431 - accuracy: 0.2644
大功告成！！！文章来源：https://www.toymoban.com/news/detail-773563.html
感觉也没有快很多，哈哈哈，后续再看看～～（电脑已经有点子烫了）
3.5 其他尝试
一些尝试：tensorflow-macos 2.10.0 和tensflow-metal 1.0.1/1.0.0/0.8.0/0.7.1均会有问题，暂时未解决。问题为：symbol not found in flat namespace '_TF_GetInputPropertiesList'。
可能要安装tensorflow-deps？未尝试。
4、安装PyTorch
安装前提：
Requirements
- Mac computers with Apple silicon or AMD GPUs
- macOS 12.3 or later
- Python 3.7 or later
- Xcode command-line tools:
xcode-select --install
参考链接：
Accelerated PyTorch training on Mac
提升5-7倍，使用Mac M1芯片加速PyTorch
4.1 创建虚拟环境
在Terminal中输入：
conda create -n pytorch2.0.1 python==3.10.0当出现：Proceed ([y]/n)? 提示时，输入：y。
激活虚拟环境，输入：
conda activate pytorch2.0.14.2 安装PyTorch 2.0.1
此处可以参考官网生成安装命令。官网：链接。
在pytorch2.0.1环境中输入：
# MPS acceleration is available on MacOS 12.3+
pip install torch torchvision torchaudio返回结果：
Successfully installed MarkupSafe-2.1.3 certifi-2023.7.22 charset-normalizer-3.2.0 filelock-3.12.2 idna-3.4 jinja2-3.1.2 mpmath-1.3.0 networkx-3.1 numpy-1.25.2 pillow-10.0.0 requests-2.31.0 sympy-1.12 torch-2.0.1 torchaudio-2.0.2 torchvision-0.15.2 typing-extensions-4.7.1 urllib3-2.0.4
4.3 验证
可以通过以下代码验证安装是否成功：
import torch
if torch.backends.mps.is_available():
mps_device = torch.device("mps")
x = torch.ones(1, device=mps_device)
print (x)
else:
print ("MPS device not found.")返回结果：
tensor([1.], device='mps:0')
注意：在Mac M1上，device是“mps” ，不是“cuda”。
大功告成！！！
有什么问题，小伙伴们可以一起探讨～～文章来源地址https://www.toymoban.com/news/detail-773563.html
到了这里，关于Mac M1安装Miniconda+支持GPU的TensorFlow和PyTorch的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！
