macbook m4 pro 安装miniconda yolo torch

MacBook M4 Pro 上安装miniconda PyTorch 和 YOLOv8 的完整步骤

一、安装 Miniconda（若未安装）

1. 下载安装包（M4 Pro 芯片选择 arm64 版本）：（推荐直接下载pkg安装包https://mirrors.tuna.tsinghua.edu.cn/anaconda/miniconda/）

   curl -O https://repo.anaconda.com/miniconda/Miniconda3-latest-MacOSX-arm64.sh
   

2. 执行安装：

   bash Miniconda3-latest-MacOSX-arm64.sh
   

   按提示完成安装，默认勾选“添加到环境变量”。

二、创建并配置 Conda 环境

1. 创建 yolov8 环境（指定 Python 3.10）：

   conda create -n yolov8 python=3.10 pytorch torchvision torchaudio numpy scipy -c pytorch -c conda-forge -y
   

2. 激活环境：

   conda activate yolov8
   

3. 降级 NumPy 到 1.x 版本（解决兼容性问题）：

   conda install numpy=1.26.2 -y
   

三、验证 PyTorch 安装与 MPS 加速

1. 创建测试文件 test_pytorch.py：

   import torch
   import torchvision
   import torchaudio
   import time
   
   # 检查版本
   print(f"PyTorch 版本: {torch.__version__}")
   print(f"TorchVision 版本: {torchvision.__version__}")
   print(f"TorchAudio 版本: {torchaudio.__version__}")
   
   # 检查 MPS 支持
   print(f"MPS 设备: {torch.device('mps')}")
   print(f"MPS 可用: {torch.backends.mps.is_available()}")
   
   # 性能测试
   device = torch.device("mps" if torch.backends.mps.is_available() else "cpu")
   print(f"使用设备: {device}")
   
   size = 5000
   a = torch.randn(size, size, device=device)
   b = torch.randn(size, size, device=device)
   
   # 预热
   torch.matmul(a, b)
   
   # 计时
   start = time.time()
   torch.matmul(a, b)
   elapsed = time.time() - start
   
   print(f"矩阵乘法耗时: {elapsed:.4f} 秒")
   

2. 运行测试：

   python test_pytorch.py
   

   预期输出：

   PyTorch 版本: 2.5.1
   TorchVision 版本: 0.20.1
   TorchAudio 版本: 2.5.1
   MPS 设备: mps
   MPS 可用: True
   使用设备: mps
   矩阵乘法耗时: 0.0300 秒（示例耗时，具体取决于硬件）
   

四、安装 YOLOv8

1. 使用 pip 安装 ultralytics（含 YOLOv8）：

   pip install ultralytics
   

2. 验证 YOLOv8 安装：

   yolo task=detect mode=predict model=yolov8n.pt source=0  # 摄像头实时检测
   

五、MPS 加速优化（可选）

在代码中添加以下配置提升性能：

import torch

# 启用 MPS 缓存（减少重复计算开销）
torch.backends.mps.enable_caching(True)

# 优化矩阵乘法精度（可选）
torch.set_float32_matmul_precision('high')

# 指定 MPS 设备
device = torch.device("mps")
model = YourModel().to(device)

六、常见问题解决方案

1. MPS 不可用：

   • 确保 macOS 版本 ≥ 12.3，执行 sw_vers 检查。
   • 升级 PyTorch 到最新版本：conda update pytorch -y。

2. 内存不足：

   • 减小批量大小或输入图像尺寸：

     yolo predict model=yolov8n.pt source=image.jpg imgsz=640 batch=4 device=mps
     

3. NumPy 兼容性问题：

   • 若出现 _ARRAY_API not found 错误，确认 NumPy 版本为 1.26.2：

     conda install numpy=1.26.2 -y
     

七、环境管理命令

• 查看所有环境：conda info --envs
• 删除环境：conda remove -n yolov8 --all
• 更新环境依赖：conda update --all -y

通过以上步骤，您可以在 MacBook M4 Pro 上成功部署支持 MPS 加速的 PyTorch 和 YOLOv8，实现高效的机器学习推理与训练。