### 如何在Mac操作系统上安装和配置PyTorch #### 准备工作 为了成功安装 PyTorch 并使其能够在 Mac 上运行 GPU 加速，需要先完成一些准备工作。由于 macOS 不支持 NVIDIA CUDA 技术，因此需依赖 Apple 的 Metal 性能优化技术来实现 GPU 支持。 1. **安装 Anaconda** 首先访问 Anaconda 下载页面并下载适合 macOS 的安装包[^2]。通过 Anaconda 提供的环境管理工具可以更方便地管理和隔离 Python 环境以及相关依赖项。 2. **创建虚拟环境** 打开终端 (Terminal)，使用以下命令创建一个新的 Conda 虚拟环境，并激活它： ```bash conda create -n pytorch_env python=3.9 conda activate pytorch_env ``` #### 安装 PyTorch 接下来，在已激活的环境中执行如下命令以安装最新版 PyTorch： ```bash pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cpu ``` 如果希望启用 GPU 加速，则应改为安装带有 Metal 后端支持的版本（适用于 M1/M2 芯片设备）： ```bash pip install torch torchvision torchaudio metal --extra-index-url https://download.pytorch.org/whl/metal ``` 注意：上述 `--extra-index-url` 参数仅针对基于 ARM 架构设计的新一代 Mac 设备有效[^1]。 #### 测试安装是否成功 验证安装完成后能否正常调用 PyTorch 功能模块的方法之一是尝试导入该库到 Python 解释器中去查看是否存在错误提示信息。 启动交互式的 Python shell 或 Jupyter Notebook 来测试基本功能： ```python import torch print(torch.__version__) if torch.backends.mps.is_available(): device = 'mps' else: device = 'cpu' tensor_example = torch.tensor([1, 2], dtype=torch.float).to(device) print(f'Device being used: {device}') ``` 此脚本会打印当前使用的计算硬件名称——如果是 MPS 则表示启用了图形处理器加速；反之则继续沿用中央处理单元作为运算资源[^3]。 对于某些高级特性比如图神经网络建模可能还需要额外引入特定扩展组件如 PyTorch Geometric (PyG)[^4]。这类插件通常有严格的兼容性需求所以在集成前务必确认基础框架已经稳定运作无误后再考虑升级或调整其他关联软件栈部分。 ---