Mac M1 爬坑指南 | Mac M1 搭建PyTorch开发环境PyTorch依赖的核心软件和开发环境，对应的官方网

开启掘金成长之旅！这是我参与「掘金日新计划 · 2 月更文挑战」的第 4 天，点击查看活动详情

PyTorch 是一个开源的Python机器学习库，底层由C++实现，目前已广泛应用于人工智能领域，如计算机视觉和自然语言处理。

Mac M1系列芯片（M1/M1 Pro/M1 Max) 使用的是 aarch64 架构，苹果系列芯片(M1系列)刚出来的时候，很多软件都未进行适配。我们不得不做一些额外的环境配置或者安装第三方软件，来搭建开发环境。

不过，对于PyTorch而言，截止本文发布时，其依赖的核心软件和开发环境，对应的官方网站均已推出了支持苹果芯片的版本。按照本文提供的参考步骤一步步操作，你可以快速、便捷地在Mac M1/M2系列电脑上搭建PyTorch开发环境。

我的安装环境如下：

一、卸载Miniforge（如果之前未安装过，可跳过此步）

首先，我们简单介绍下 Miniforge 是什么。

PyTorch已经发布了多个版本，最新版本已来到了1.13.1。每一个PyTorch版本具有不同的特性，依赖的Python版本也可能不同。

我们从网上下载的各种深度学习开源项目，它们使用的PyTorch版本不尽相同，如何确保我们本地的环境能支持到不同的版本呢？这里就需要提到另外一个工具 Anaconda。

Anaconda是一个开源的Python和R语言的发行版本，用于计算科学（数据科学、机器学习、大数据处理和预测分析），Anaconda致力于简化软件包管理系统和部署。Anaconda的包使用软件包管理系统Conda进行管理。

简单地说，Anaconda 提供了 Conda 程序方便我们管理软件包。对于上面的例子而言，我们可以使用 Conda 在本地创建多个相互独立的运行环境，每个环境里面可以安装、配置不同的软件包版本。在运行不同的项目时，我们只需要使用 Conda 切换不同环境即可。

MiniConda 是 Anaconda 的子集，它仅包含Conda和Python的较小发行版，提供了最核心的功能。而 Miniforge 则是 MiniConda 的一个替代方案。

因为早期的Anaconda没有支持arm架构的版本，在Mac M1上安装Anaconda以及MiniConda是非常不稳定的，而Miniforge提供了对苹果芯片的支持。

OK，😂，差不多介绍清楚了。所以，如果你之前手动安装过Miniforge，或者安装过其他依赖Miniforge的程序，你可以卸载掉它，换回正统的Anaconda。

卸载的方式，也超级简单，安装官方的 Uninstallation说明，一步步输入指令操作即可。

上一小节，我们已简单介绍了Anaconda是什么，这一节我们直接讲如何安装、配置。

前往 Anaconda下载页，选择 64-Bit (M1) Graphical Installer 进行下载。
安装包下载至本地后，双击打开，按提示一步步操作即可。
安装完成后，每次打开终端程序，你会发现每行命令前新增了 (base) 的标签。这个指Conda已默认切换进入base环境中。我们可以输入conda config --set auto_activate_base false，禁止每次打开终端时自动进入base环境。
在终端输入 conda create -n pytorch python=3.9，创建一个名为pytorch的运行环境，并指定对应的Python版本为3.9。之后关于pytorch的操作，我们都在这个环境中进行。如果你手残不小心配置错了环境，可以通过conda remove -n pytorch --all删除环境，重新配置哈。
在终端中输入 conda activate pytorch 即可激活我们的运行环境，输入conda deactivate可退出已激活的环境。

PyCharm 是JetBrains提供的Python IDE，我们通过此工具来修改、编写我们的PyTorch工程。

前往 PyCharm下载页，选择 Community 版本，注意下载苹果芯片版本。
安装包下载至本地后，双击打开，按提示一步步操作即可。
打开PyCharm，新建一个项目，选择 Previously configured interpreter，点击 Add Interpreter 选择 Add Local Interpreter...
在新打开的页面中，在左侧选择 Conda Environment 添加我们此前在Anaconda中创建的 pytorch 环境。
添加完成后，我们即可为工程指定运行的环境。对于今后任意的项目，我们都可以通过该方法为其添加、配置合适的运行环境。