macos安装metal 加速版 pytorch

最新推荐文章于 2025-03-22 11:46:38 发布

zorchp

最新推荐文章于 2025-03-22 11:46:38 发布

阅读量1.8k

点赞数 1

分类专栏： Python Mac_Config 文章标签： macos pytorch 人工智能

本文链接：https://blog.csdn.net/qq_41437512/article/details/134852972

版权

Python 同时被 2 个专栏收录

72 篇文章

订阅专栏

Mac_Config

69 篇文章

订阅专栏

本文介绍了在MacOS带有AppleSilicon或AMDGPU的计算机上安装Python（包括conda-forge镜像）以及配置Metal加速器进行PyTorch深度学习开发的过程，强调了创建新虚拟环境的重要性。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

categories: [Python]
tags: Python MacOS

写在前面

试试 m3 的 metal 加速效果如何

Mac computers with Apple silicon or AMD GPUs
macOS 12.3 or later
Python 3.7 or later
Xcode command-line tools: xcode-select --install

安装 Python: conda-forge

brew install miniforge

镜像

channels:
  - defaults
show_channel_urls: true
auto_activate_base: false
ssl-verify: false
default_channels:
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/r
  - https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/msys2
custom_channels:
  conda-forge: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  msys2: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  bioconda: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  menpo: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  pytorch-lts: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  simpleitk: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud
  deepmodeling: https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/

安装

开一个新的虚拟环境, 这个是重点, 如果不开的话, 原有的环境会污染 C 库的链接, 所以这一步是必须的

On Mac OS X, import numpy complaining about “Library not loaded: @rpath/libgfortran.3.dylib” · Issue #12970 · numpy/numpy;

这个方案不彻底, 直接卸载 numpy 然后重装不能解决问题…

conda create -n py3xi python=3.11
conda activate py3xi
# conda update --all -c conda-forge # optional
# 重点: 
conda install pytorch torchvision torchaudio -c pytorch-nightly

然后测试

Accelerated PyTorch training on Mac - Metal - Apple Developer;

import torch
if torch.backends.mps.is_available():
    mps_device = torch.device("mps")
    x = torch.ones(1, device=mps_device)
    print (x)
else:
    print ("MPS device not found.")
'''
tensor([1.], device='mps:0')
'''