### 在 M2 芯片的 Mac 上安装 PyTorch 的方法 #### 系统需求 在 M2 芯片的 Mac 上安装 PyTorch，需要满足以下条件： - **macOS 版本**: 推荐 macOS Ventura 或更高版本[^1]。 - **Python 版本**: 最低支持 Python 3.9，建议使用 Python 3.9 至 3.12。M2 芯片属于 ARM64 架构，因此需要特别关注第三方库对该架构的支持情况。 #### 方法一：通过 `pip` 安装 PyTorch 并启用 MPS 加速 Apple Silicon（如 M2）不支持 CUDA，而是提供 Metal Performance Shaders (MPS) 来加速深度学习任务。以下是具体步骤： 1. 更新 `pip` 到最新版本以确保兼容性： ```bash pip install --upgrade pip ``` 2. 安装最新的 PyTorch 版本及其依赖项： ```bash pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cpu ``` 3. 测试 MPS 是否可用： ```python import torch print(torch.__version__) # 打印当前 PyTorch 版本 print(torch.backends.mps.is_available()) # 检查 MPS 是否可用 print(torch.backends.mps.is_built()) # 检查是否编译了 MPS 支持 ``` 如果以上代码运行正常且返回 `True`，则说明 MPS 加速功能已成功启用[^2]。 #### 方法二：通过 Conda 安装 PyTorch Conda 是另一种常用的包管理工具，尤其适合科学计算环境下的依赖管理。以下是基于 Conda 的安装流程： 1. 下载并安装 Miniforge（专为 Apple Silicon 设计的轻量级 Conda 替代方案）： [Miniforge 官网](https://github.com/conda-forge/miniforge) 2. 创建新的虚拟环境（假设名为 `pytorch_mps`），并指定 Python 版本： ```bash conda create -n pytorch_mps python=3.9 ``` 3. 激活该虚拟环境： ```bash conda activate pytorch_mps ``` 4. 安装 PyTorch 及其相关组件： ```bash conda install pytorch torchvision torchaudio cpuonly -c pytorch ``` 5. 验证 MPS 功能是否正常工作，可参照前述测试脚本[^3]。 #### 注意事项 - **最低版本要求**: 支持 MPS 的最低 PyTorch 版本为 1.12[^1]。确保安装的是较新版本以获得最佳性能和支持。 - **ARM64 架构兼容性**: M2 属于 ARM64 架构，部分第三方库可能存在兼容性问题。例如 Mujoco 等仿真软件可能需要单独适配 ARM64 的预构建版本。 - **TensorFlow 对比**: 如果同时考虑 TensorFlow，则需注意两者对 GPU/MPS 的支持策略有所不同。PyTorch 更加专注于 MPS 加速，而 TensorFlow 的 MPS 支持仍在发展中[^4]。 --- ###