目录

• 第一步 -安装和配置Miniforge
• 第二步-创建虚拟环境
• 第三步 -安装PyTorch
• 第四步 -测试
• 最后总结

M1 macbook已经不是什么新产品了。TensorFlow官方已经给出了安装指南和效率评测。

本文将介绍如何在M1机器上本地安装和运行PyTorch。你使用的M1机型(Air、Pro、Mini或iMac)没有区别。

第一步 -安装和配置Miniforge

我花了很多时间为数据科学需求配置我的M1 Mac。但是都不能完美的解决我的问题。直到我找到了这个。根据网速的不同，完全设置需要5到10分钟。

首先，你需要安装Homebrew。它是Mac上的一个包管理器，你可以在终端上执行以下命令来安装它:

/bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/HEAD/install.sh)"

如果你正在安装一个新的M1 Mac，很可能系统里面没有包含XCode构建工具，但是miniforge需要他的一些文件。所以如果这些没有这些文件的，终端会通知你，并询问你是否要安装它们，我们只要安装就好了

一旦安装了XCode构建工具和自制程序，你可以重启终端并安装Miniforge:

brew install miniforge

可能有几百MB的下载，所以需要一些时间才能完成。完成之后，为Z shell (zsh)初始化conda:

conda init zsh

最后，重新启动终端。!Miniforge现在已经安装好了，你可以创建虚拟环境了。

第二步-创建虚拟环境

下面的Terminal命令将基于Python 3.8创建一个名为pytorch_env的新虚拟环境:

conda create --name pytorch_env python=3.8

创建完成后，用以下命令激活它:

conda activate pytorch_env

你应该看到这样的东西:

第三步 -安装PyTorch

你可以在Anaconda的网站上找到一个原生的PyTorch包。你应该在平台下寻找osx-arm64，它告诉你它是M1兼容的:

点击该软件包进入详情页后可以看到安装说明，如下所示:

你可以使用下面的命令来安装PyTorch和Torchvision:

conda install -c pytorch pytorch torchvision

PyTorch现在安装好了!让我们接下来测试一下。

第四步 -测试

PyTorch的GitHub页面附带了许多示例，我们找个简单的：用于训练手写数字分类器的脚本https://github.com/pytorch/examples/blob/master/mnist/main.py

只需下载该脚本并从终端运行它:

python main.py

看看输出

看样子还不错!让我们打开Activity Monitor来验证Python是否在本机运行:

如果你在“Kind”下看到“Apple”，这意味着程序是在M1芯片上本地运行的，而不是在Rosetta模拟器下。

最后总结

这样你就可以在M1机器上成功安装PyTorch了。

因为有了miniforge所以安装PyTorch比预期的要容易的多。当然它的运行速度比不上gpu，但这足以让你开始学习和试验。