动手学深度学习-M4Pro芯片GPU配置，d2l包导入会出现问题

1.下载anaconda 的m芯片版本 

2.创建环境 d2l ：

conda create --name d2l python=3.9 -y

-y：自动确认所有操作，免去手动输入确认（例如 "Proceed ([y]/n)?"）。

激活新环境 ：conda activate dl2
 

安装包：

（# 安装 PyTorch 和其他必要包，支持 MPS
pip install torch==1.12.0+cpu torchvision==0.13.0+cpu torchaudio --extra-index-url https://download.pytorch.org/whl/metal
pip install d2l==0.17.6
pip install matplotlib transformers datasets。这个不起作用 不用它）

卸载现有版本（如果你想确保没有残留冲突）： 在升级前，可以先卸载之前安装的版本，确保清理干净，避免任何潜在的冲突：

pip uninstall torch torchvision torchaudio

更新pip：

有时问题可能出现在 pip 版本较旧，导致安装包时出现问题。可以通过以下命令更新 pip：

pip install --upgrade pip

安装合适的版本（支持 MPS 后端）： 如果你想确保安装 支持 MPS 后端 的版本，可以执行：

pip install torch==1.13.1 torchvision==0.14.0 torchaudio==0.13.0

下一步验证：

可以通过以下命令验证 MPS 后端 是否已启用

进入 Python 环境：

python

在 Python 环境中输入以下代码：

import torch
print(torch.backends.mps.is_available())  # 如果返回 True，则表示启用了 MPS 后端

 d2l包导入会出现问题，需要修改导入的模式：

conda install numpy=1.21.5
然后再装d2l 

conda install -c conda-forge d2l=0.17.6 

conda-forge 社区驱动的频道更容易解决问题。使用了 :: 语法，明确指定了 conda-forge 频道中的包。这种方式在 conda 中用于显式地标识包的来源，避免了多个渠道有同名包时的冲突