在 Apple M1/M2 上安装 TensorFlow

重要更新（2024年11月）

截至 2024 年 11 月，Apple 官方已更新 TensorFlow 安装指南。对于 TensorFlow 2.13 及更高版本，安装流程已简化。

问题概述

在 Apple Silicon（M1/M2）芯片上安装 TensorFlow 时会遇到几个主要问题：

官方支持不足：TensorFlow 官方未提供针对 Apple Silicon 的预编译包
包管理混淆：需要区分 tensorflow、tensorflow-macos、tensorflow-deps 和 tensorflow-metal
版本兼容性：不同组件间存在严格的版本依赖关系
环境配置：需要正确配置 ARM64 原生环境

解决方案

方法一：使用 Conda 环境（推荐）

创建 tf-metal-arm64.yaml 配置文件：

TensorFlow 2.13+TensorFlow <= 2.12

yaml

name: tf-metal
channels:
  - conda-forge
  - nodefaults
dependencies:
  - python=3.11  # 指定所需版本
  - pip
  
  # 如使用 Jupyter 请取消注释
  # - ipykernel
  
  # PyPI 包
  - pip:
    - tensorflow
    - tensorflow-metal

yaml

name: tf-metal
channels:
  - apple
  - conda-forge
dependencies:
  - python=3.9  # 指定所需版本
  - pip
  - tensorflow-deps
  
  # 如使用 Jupyter 请取消注释
  # - ipykernel
  
  # PyPI 包
  - pip:
    - tensorflow-macos
    - tensorflow-metal  # 可选但推荐

创建环境：

bash

# 检查基础架构
conda config --show subdir

# 原生 osx-arm64 环境
conda env create -n my_tf_env -f tf-metal-arm64.yaml

# emulated osx-64 环境
CONDA_SUBDIR=osx-arm64 conda env create -n my_tf_env -f tf-metal-arm64.yaml
conda activate my_tf_env
conda config --env --set subdir osx-arm64

方法二：使用 pip 直接安装

对于 TensorFlow 2.13+：

bash

# 创建虚拟环境
python -m venv ~/tf-metal-env
source ~/tf-metal-env/bin/activate

# 安装 TensorFlow
pip install tensorflow
pip install tensorflow-metal

对于 TensorFlow 2.12 及更早版本：

bash

pip install tensorflow-macos==2.10.0
pip install tensorflow-metal==0.6.0

方法三：使用 pyenv + poetry

bash

# 使用 pyenv 管理 Python 版本
pyenv install 3.10.9
pyenv local 3.10.9

# 使用 poetry 创建项目
poetry new m1tfgpu
cd m1tfgpu
poetry add tensorflow-macos==2.9.2
poetry add tensorflow-metal==0.5.0
poetry shell

软件包说明

tensorflow-macos：Apple 维护的 TensorFlow macOS ARM64 版本
tensorflow-deps：TensorFlow 依赖包（numpy、grpcio、h5py 等）
tensorflow-metal：Metal 加速插件，提供 GPU 支持

注意

从 TensorFlow 2.13 开始，不再需要 tensorflow-deps 和 tensorflow-macos，直接使用 tensorflow 即可。

常见问题解决

1. 版本兼容性问题

如果遇到版本冲突，可以尝试以下组合：

TensorFlow 2.11TensorFlow 2.10TensorFlow 2.9

bash

conda install -c apple tensorflow-deps
pip install tensorflow-macos==2.11.0
pip install tensorflow-metal==0.7.0

bash

conda install -c apple tensorflow-deps==2.10.0
pip install tensorflow-macos==2.10.0
pip install tensorflow-metal==0.6.0

bash

conda install -c apple tensorflow-deps==2.9.0
pip install tensorflow-macos==2.9.2
pip install tensorflow-metal==0.5.1

2. METAL 插件重复注册错误

如果遇到 platform is already registered with name: "METAL" 错误：

bash

conda deactivate
pip uninstall tensorflow-macos tensorflow-metal tensorflow
pip install --user tensorflow-macos tensorflow-metal

3. 优化器兼容性问题

TensorFlow 2.11+ 需要使用传统优化器：

python

# 修改代码中的优化器
model.compile(
    optimizer=tf.keras.optimizers.legacy.Adam(learning_rate=1e-3),
    loss=loss_fn,
    metrics=["accuracy"],
)

验证安装

创建测试脚本验证 GPU 加速是否正常工作：

python

import tensorflow as tf

# 启用详细日志
import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '0'

# 检查可用设备
print(f"TensorFlow 版本: {tf.__version__}")
print("GPU 设备:", tf.config.list_physical_devices('GPU'))
print("CPU 设备:", tf.config.list_physical_devices('CPU'))

# 测试计算
tf.debugging.set_log_device_placement(True)
a = tf.constant([[1.0, 2.0, 3.0], [4.0, 5.0, 6.0]])
b = tf.constant([[1.0, 2.0], [3.0, 4.0], [5.0, 6.0]])
c = tf.matmul(a, b)
print(f"矩阵乘法结果:\n{c}")

运行测试：

bash

TF_MLC_LOGGING=1 python test_tf.py

性能优化建议

使用合适的批量大小：根据 GPU 内存调整 batch_size

启用混合精度：

python

tf.keras.mixed_precision.set_global_policy('mixed_float16')

监控 GPU 使用：通过 Activity Monitor 观察 GPU 使用情况

总结

在 Apple Silicon 上安装 TensorFlow 的关键要点：

使用正确的 Python 环境（ARM64 原生）
根据 TensorFlow 版本选择正确的安装方式
确保 tensorflow-macos 和 tensorflow-metal 版本匹配
使用 Conda 环境管理依赖关系以避免冲突

相关文章

在 Apple M1/M2 上安装 TensorFlow ​

问题概述 ​

解决方案 ​

方法一：使用 Conda 环境（推荐） ​

方法二：使用 pip 直接安装 ​

方法三：使用 pyenv + poetry ​

软件包说明 ​

常见问题解决 ​

1. 版本兼容性问题 ​

2. METAL 插件重复注册错误 ​

3. 优化器兼容性问题 ​

验证安装 ​

性能优化建议 ​

总结 ​

在 Apple M1/M2 上安装 TensorFlow

问题概述

解决方案

方法一：使用 Conda 环境（推荐）

方法二：使用 pip 直接安装

方法三：使用 pyenv + poetry

软件包说明

常见问题解决

1. 版本兼容性问题

2. METAL 插件重复注册错误

3. 优化器兼容性问题

验证安装

性能优化建议

总结