### 如何在Mac操作系统上安装和配置PyTorch深度学习框架 #### 准备工作 确保Mac已经安装了Python解释器以及pip包管理工具。通常情况下，macOS自带Python版本可能不是最新版，建议通过Homebrew来安装最新的稳定版本[^1]。 #### 安装Miniconda或Anaconda 考虑到空间占用情况，可以选择轻量级的Miniconda而非完整的Anaconda发行版来进行环境搭建。打开终端执行如下命令下载并安装适合苹果芯片架构（Apple Silicon M系列处理器需特别注意选择arm64版本）或者英特尔x86_64架构对应的Miniconda脚本文件： 对于Intel Macs: ```bash wget https://repo.anaconda.com/miniconda/Miniconda3-latest-MacOSX-x86_64.sh -O ~/miniconda.sh ``` 对于Apple Silicon Macs (M1/M2): ```bash wget https://repo.anaconda.com/miniconda/Miniconda3-latest-MacOSX-arm64.sh -O ~/miniconda.sh ``` 接着按照提示完成安装过程： ```bash bash ~/miniconda.sh -b -p $HOME/miniconda source "$HOME/miniconda/etc/profile.d/conda.sh" conda init ``` #### 创建新的Conda虚拟环境并与PyCharm关联 创建一个新的conda环境用于隔离不同项目的依赖关系，并激活该环境： ```bash conda create --name pytorch_env python=3.9 -y conda activate pytorch_env ``` 为了使这个新建立起来的环境能够在IDE内被识别到，比如JetBrains PyCharm Professional Edition, 需要在软件设置中的Project Interpreter选项里指定刚才新建好的`pytorch_env`作为项目使用的Python解析器路径。 #### 使用Conda安装PyTorch及相关库 根据官方推荐的方式之一就是借助于Conda渠道获取预编译好的二进制包形式发布的PyTorch及其CUDA扩展组件(如果打算仅限CPU运算则无需考虑GPU加速支持)，具体指令如下所示: 针对纯CPU计算场景下的安装方法适用于所有类型的Mac设备： ```bash conda install pytorch torchvision torchaudio cpuonly -c pytorch ``` 而对于配备有NVIDIA GPU显卡并且希望启用CUDA加速功能的老款Mac Pro工作站而言，则可以尝试下面这条语句代替上述做法以获得更好的性能表现（请注意这并不适用于大多数现代基于ARM架构设计的新一代MacBook笔记本电脑）： ```bash conda install pytorch torchvision cudatoolkit=11.3 -c pytorch ``` 最后一步是验证安装是否成功，可以通过导入模块测试一下是否存在任何错误消息返回给用户端： ```python import torch print(torch.__version__) print(torch.cuda.is_available()) ```