文章开始书写时间：-03/19-14:30
0x00：引子
最近云哥 @吃货本货 问小宋（笔者）如何在Apple的M1芯片进行深度学习开发，恰逢最近M1开发生态都趋于稳定，就把安装步骤梳理下分享出来。
0x01：分析
开始正式安装前，先对步骤进行梳理，方便后续安装。
简单分析下：
目的是在M1平台开发深度学习，需要以下几个必备因素：
编辑器：VSCode，跨平台最佳编程工具，不接受反驳。你要反对，就算你对。（再透露一个小秘密：其实好多大厂也是用VSCode开发哦：）
开发语言：不二之选-Python，这里版本采用Python3.8，最新深度学习框架依赖。
深度学习框架：TensorFlow与PyTorch，这里安装两个最流行的框架，读者们按照自己需求安装就好。
配置环境其实有点像打游戏，需要不断通过升级。
下面就需要针对这几个因素逐个击破：
VSCode：目前正式版本已支持M1，网址在这：Visual Studio Code February
Python3.8：笔者习惯用conda安装和管理Python，尤其爱用Miniconda（精简版Anaconda），需要用到什么包自己安装就好。目前Miniconda也支持M1芯片了，可以在这里下载：Miniconda — Conda documentation
TensorFlow与PyTorch：好巧不巧的，这两个框架正式版也都支持了M1芯片。TensorFlow步骤：Tensorflow Plugin - Metal - Apple Developer，PyTorch步骤：Previous PyTorch Versions | PyTorch
0x02：实操
如果你是一个开发经验丰富的人，看到这里就可以结束，根据上述分析开始安装了（如果出错了再看下方的不迟），下面教程是写给小白用户，手把手教学哒。
1、VSCode安装
首先打开网址：Visual Studio Code February ，如果打不开，那可能需要科学上网，如果还不会，那就放弃吧，真的做开发需要一点天赋和努力的，对了还有一点英语阅读技能。
打开以后，点击红色框内（Mac，救命，这里指的是苹果MacOS，可不是口红，手动狗头：）的绿色链接网址下载（表示Arm版MacOS的软件）。
下完成后解压双击打开即可，如果遇到需要确认的信息就点击确认下。
此时VSCode就完成了，是不是很简单，下面要开始一些有难度的了。还是一样的规劝，实在搞不定就放弃的，别在这个领域卷了，如果没有选择就好好努力吧。
2、Python安装
这里采用的Miniconda（精简版Anaconda）下载地址：Miniconda — Conda documentation
打开后找到绿色位置，点击链接下载。
要注意下，这次下载的是.sh文件，不是安装包，不可直接点击傻瓜式安装。
需要借助”终端“工具执行安装
在启动台搜索”终端“，点击打开”终端“：
下面就开始执行Miniconda安装脚本，首先你要搞清楚刚刚下载的.sh文件保存到了那里，一般默认放在Downloads文件夹下（如果不是的话，需要找一下实际位置），执行以下脚本即可开始安装：
bash Downloads/Miniconda3-latest-MacOSX-arm64.sh
随后执行遇到需要确认的地方回车和输入”yes“确认，即可完成安装Miniconda。
完成，打开一个新的”终端“，在里面输入
conda -V
如果输出正常，那么Miniconda就安装成功了，如果显示”command not found“，那么你可能需要配置一下路径。
Python环境的安装就不如VSCode那么简单轻松了，不过恭喜你走到了这一步。
行百里者，半九十也。我们也迎来了最后一步安装TensorFlow与PyTorch，打完这两个boss，今天的游戏就通关啦。
3、TensorFlow与PyTorch安装
参考TensorFlow步骤：Tensorflow Plugin - Metal - Apple Developer，PyTorch步骤：Previous PyTorch Versions | PyTorch
首先我们先使用新建一个Python3.8环境，”终端“输入：
conda create -n py38 python=3.8
这句翻译为文字就是，使用conda新建（conda create）名为（-n）py38（py38）的环境，指定python版本为3.8（python=3.8）。对了执行的时候保持网络连接，因为需要下载东西到本地。
新建完成后就可以进入这个环境：
conda activate py38
下面就开始正式安装深度学习环境啦
先安装TensorFlow，参考TensorFlow步骤：Tensorflow Plugin - Metal - Apple Developer：
依次执行：
conda install -c apple tensorflow-deps # Step 1: Environment setup Install the TensorFlow dependencies: pip install tensorflow-macos # Step 2: Install base TensorFlow pip install tensorflow-metal # Step 3: Install tensorflow-metal plugin
运行完，TensorFlow就安装完成了，下面测试一下TensorFlow：
song@192 ~ % conda activate py38(py38) song@192 ~ % pythonPython 3.8.11 (default, Aug 16 , 12:04:33) [Clang 12.0.0 ] :: Anaconda, Inc. on darwinType "help", "copyright", "credits" or "license" for more information.>>> import tensorflow as tf>>> print("tf version",tf.__version__)tf version 2.8.0>>> print("tf gpu",tf.test.is_gpu_available())WARNING:tensorflow:From <stdin>:1: is_gpu_available (from tensorflow.python.framework.test_util) is deprecated and will be removed in a future version.Instructions for updating:Use `tf.config.list_physical_devices('GPU')` instead.Metal device set to: Apple M1systemMemory: 8.00 GBmaxCacheSize: 2.67 GB-03-19 17:03:20.293520: I tensorflow/core/common_runtime/pluggable_device/:305] Could not identify NUMA node of platform GPU ID 0, defaulting to 0. Your kernel may not have been built with NUMA support.-03-19 17:03:20.294430: I tensorflow/core/common_runtime/pluggable_device/:271] Created TensorFlow device (/device:GPU:0 with 0 MB memory) -> physical PluggableDevice (device: 0, name: METAL, pci bus id: <undefined>)tf gpu True>>>
然后安装PyTorch，参照:Previous PyTorch Versions | PyTorch，在”终端“执行
pip install torch==1.9.0 torchvision==0.10.0 torchaudio==0.9.0
安装完成后，同样做下测试：
(py38) song@192 ~ % python Python 3.8.11 (default, Aug 16 , 12:04:33) [Clang 12.0.0 ] :: Anaconda, Inc. on darwinType "help", "copyright", "credits" or "license" for more information.>>> import torch>>> print("torch version",torch.__version__)torch version 1.9.0>>> torch.ones(1)+torch.ones(1)tensor([2.])>>>
最后安装一些DL常用的库:
pip install pandas matplotlib glob2 tqdm opencv-python scipy scikit-learn
完成上述步骤，我们就完成了使用M1芯片的MacOS电脑环境的配置，本次游戏通关欢迎下次再见，拜拜。
如果有帮到你，请不要吝啬你的点赞鼓励，我也会越来越努力哟~
0x03：参考
Mac安装M1芯片版本miniconda流程 - Ravenna - 博客园
Good guy：在M1上安装ARM版本的pytorch 1.80 和 M1 的tensorflow
