Mac M1 安装 Pytorch、GPU加速环境

目录
配景        
环境
 安装Pytorch
前置条件
通过pip进行安装
验证是否安装乐成
GPU加速环境
问题录
问题：GPU没法利用

---

配景        

        近来学习AI大模子，由于电脑是MAC M1的环境，在学习过程中Pytorch环境必不可少，特此在此环境中整理下安装Pytorch过程。
        注意：
        Mac M1芯片为了追求高性能和节能，在底层设计上利用的是一种叫做arm架构的精简指令集，不同于Intel等常用CPU芯片采用的x86架构完整指令集。PyTorch的GPU训练加速适配Mac M1时利用苹果Metal Performance Shaders（MPS）作为后端来实现的。
        
环境

官方要求说明：
Start Locally | PyTorch

环境	版本	说明
macOS Version	macOS 10.15 (Catalina) or above.	注意：如果要利用GPU，则体系需要升级到macOS13.0以上
Python	Python 3.9 - 3.12	通过Anaconda、Homebrew进行包管理
package 管理	PyTorch	安装PyTorch包，可以通过 pip 和Anaconda进行管理； 注意：如果要用GPU建议Python环境通过Anaconda进行管理，方便版本适配。

体系：MAC M1  版本：mosOS Monterey 12.7.6
软件：Python3.11.11、Pytorch2.3.1（探索出来可适配GPU利用）

 安装Pytorch

前置条件

乐成在MAC 中已经安装了Python，详细安装和利用方法参考如下文档，此处不再累赘说明了
        Mac M1 安装 Pytorch
通过pip进行安装

在官网页面选择环境

根据官网生成的下令实行如下：

1. pip3 install torch torchvision torchaudio

复制代码

实行效果如下：

验证是否安装乐成

实行如下代码：

1. import torch
2. from torch import nn
4. # 打印PyTorch版本
5. # 检查PyTorch版本
6. print(torch.__version__)
7. # 创建一个随机张量
8. x = torch.rand(5, 3)
9. print(x)

复制代码

实行效果体现乐成：

上图说明安装的Pytorch版本为2.5.1。

GPU加速环境

        要在 Mac M1的GPU 上运行 PyTorch 代码，利用下令 torch.device("mps")来指定。这雷同于 Nvidia GPU 上的torch.device("cuda")下令。
测试代码如下：

1. import torch
2. from torch import nn
4. # 打印PyTorch版本
5. # 检查PyTorch版本
6. print(torch.__version__)
7. print(torch.backends.mps.is_available())
8. print(torch.backends.mps.is_built())
9. # 创建一个随机张量
10. device = torch.device('mps')# 指定使用MPS设备
11. #num_devices = torch.mps.device_count()
12. #print("Number of MPS devices:",num_devices)
13. N = 100000000
14. cpu_a = torch.rand([1, N])
15. cpu_b = torch.rand([N, 1])
16. print(N,cpu_a.device,cpu_b.device)
18. gpu_a = torch.rand([1, N],device=device)
19. gpu_b = torch.rand([N, 1],device='mps')
20. print(N,gpu_a.device,gpu_b.device)
23. def cpu_run():
24.     c = torch.mm(cpu_a, cpu_b)
25.     return c
27. def gpu_run():
28.     c = torch.mm(gpu_a, gpu_b)
29.     return c
31. import timeit
33. cpu_time = timeit.timeit(cpu_run, number=2)# 计时CPU版本
34. gpu_time = timeit.timeit(gpu_run, number=2)# 计时GPU版本
35. print("run time1:", cpu_time,gpu_time)
37. cpu_time = timeit.timeit(cpu_run, number=2)
38. gpu_time = timeit.timeit(gpu_run, number=2)
39. print("run time2:", cpu_time,gpu_time)

复制代码

实行效果：

问题录

问题：GPU没法利用

实行上述测试代码

        此时发现安装的Pytorch 2.5.1+Python3.11.11 没法利用MAC M1d的GPU，找了很多资料没法确定兼容性最终选择用Anaconda进行Python环境安装，通过Anaconda安装Python3.11.11后，然后选择安装Pytorch后，发现安装的是Pytorch2.3.1版本，即Pytorch 2.3.1+Python3.11.11，调整后实行效果如下：

上图提示需要macOS 13.0以上才气利用MPS，所以体系还得需要升级到macOS13.0以上。
        macOS 升级到13.7.2 后，实行代码如下：

        由于升级体系耗费时间，后续偶然间升级后再更新补充完整 ，大家如果有跟新了的也可以实验后在评论区留言问题情况，谢谢！

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。