导语
由于目前anconda官网上对于macos系统只支持X86结构的，因此基于arm结构的MacOS暂时无法使用anconda来对tensorflow进行配置。虽然Anconda无法在M1上运行，但是相应的替代品有Miniforge，同样也能实现类似的效果。此外，苹果官方称还支持添加metal插件，从而可以调用集成在M1芯片中的GPU部分，但是目前只支持tensorflow2.5和2.6的版本，而本节使用使用的版本是tensorflow2.4 python3.8，因此并未安装加速插件。官方安装metal方法如下：
Tensorflow Plugin - Metal - Apple Developer
下面将开始讲解在Mac（M1）上如何安装tensorflow
1. 下载Miniforge3-MacOSX-arm64.sh脚本文件，并且运行
miniforge下载地址为GitHub - conda-forge/miniforge: A conda-forge distribution.?
我的Miniforge3-MacOSX-arm64.sh脚本文件所安装的路径是
/Users/xiewenhui/MiniforgeShell/Miniforge3-MacOSX-arm64.sh
我们打开终端terminal，首先进入文件夹，进入到Miniforge3-MacOSX-arm64.sh所在的文件夹
cd ~xiewenhui
cd MiniforgeShell运行脚本文件
sh Miniforge3-MacOSX-arm64.sh结果如下图所示，然后一直进行enter回车，直到需要你手动输入yes或者no的地方，对于选择yes或者no的问题，一律输入yes，然后一直回车直到结束。
运行成功图如下所示，代表Miniforge3-MacOSX-arm64.sh运行完成，此时会在以用户名命名的文件夹下（此处我的文件夹是xiewenhui）生成一个Miniforge3文件夹，代表脚本运行完毕后所生成的安装文件（我们把Miniforge3当作anconda一样的包管理器，其中会包含python和conda，因此conda不需要再另外安装）。
2. 创建虚拟环境
（1）用conda创建一个虚拟环境，同时设置python版本
????????下面tensorflow是我创建的虚拟环境名，当然也可以写成tf24等等
conda create -n 虚拟环境名称 python=版本号
conda create -n tensorflow python=3.8（2）激活虚拟环境
conda activate 虚拟环境名
conda activate tensorflow? ? ? ? 提示：如果需要取消激活状态，输入conda deactivate即可
（3）查看当前环境的python位置
????????此时支持tensorflow的python解释器就位于虚拟环境envs中，它的版本和（1）中所创建的版本是一致的，因此之后我们在pycharm等IDE中直接导入下述地址即可（后面会讲到）。
?理解：miniforge3是Miniforge脚本运行后所创建的包管理环境，miniforge3是类似于Anconda一样的作用，在Anconda中我们可以创建多个虚拟环境，在miniforge3也是一样的其中我们所创建的虚拟环境位于…/miniforge3/envs文件夹下，envs下的每个文件夹对应着一个独立的虚拟环境，当我们需要在IDE中切换python解释器的时候，我们便找到所需的python解释器：…/miniforge3/envs/虚拟环境名称（是一个文件夹，文件夹名称和你在conda create -n 虚拟环境名 python=xxx是一个名）/bin/python，然后导入IDE即可。
3. 安装tensorflow
? ? ? ? 当创建完虚拟环境后，做完准备工作之后，我们需要安装tensorflow-macos，这是我们真正的目的。
（1）下载tensorflow安装包（支持arm架构版本的）
????????下载链接为Releases · apple/tensorflow_macos · GitHub，下载完成之后找一个文件夹进行保存即可，然后直接解压到当前文件夹。
?
?（2）保持tensorflow激活状态，进入到刚刚解压的tensorflow_macos文件夹中，手动pip安装whl文件
? 注意不要输入conda deactivate关闭了tensorflow激活状态，直接cd找到文件夹即可
? 我的tensorflow_macos文件夹位置是/Users/xiewenhui/tensorflow_macos
? ?找到tensorflow_macos文件夹：
?继续进入下一级文件夹arm64：
?手动pip安装之前，先看一下arm64下面有哪些whl文件，防止pip的时候发生遗漏:
存在5个whl文件都需要安装
pip安装之前我们需要修改lib路径和envs路径（很重要），方便我们下一步的安装：
# 更改为tensorflow_macos下载解压后的文件夹
libs="/Users/xiewenhui/tensorflow_macos/arm64/"
# 替换成tensorflow的虚拟环境路径,tensorflow是你之前创建虚拟环境的名称，虚拟环境什么名，envs下文件夹就什么名
env="/Users/xiewenhui/miniforge3/envs/tensorflow"下面手动安装这些文件，依次输入下面命令：
pip install --upgrade pip wheel setuptools cached-property six
pip install --upgrade -t "$env/lib/python3.8/site-packages/" --no-dependencies --force "$libs/grpcio-1.33.2-cp38-cp38-macosx_11_0_arm64.whl"
pip install --upgrade -t "$env/lib/python3.8/site-packages/" --no-dependencies --force "$libs/h5py-2.10.0-cp38-cp38-macosx_11_0_arm64.whl"
pip install --upgrade -t "$env/lib/python3.8/site-packages/" --no-dependencies --force "$libs/numpy-1.18.5-cp38-cp38-macosx_11_0_arm64.whl"
pip install --upgrade -t "$env/lib/python3.8/site-packages/" --no-dependencies --force "$libs/tensorflow_macos-0.1a1-cp38-cp38-macosx_11_0_arm64.whl”
pip install --upgrade -t "$env/lib/python3.8/site-packages/" --no-dependencies --force "$libs/ tensorflow_addons_macos-0.1a2-cp38-cp38-macosx_11_0_arm64.whl”
pip install absl-py astunparse flatbuffers gast google_pasta keras_preprocessing opt_einsum protobuf tensorflow_estimator termcolor typing_extensions wrapt wheel tensorboard typeguard
如果发生pip安装错误，可能是文件路径不对，lib路径和envs路径得确保正确，其次就是你所安装的whl文件名和上述代码中的不一致，以自己的whl文件名为主。tensorflow_macos不同的版本其中所包含的whl文件名可能不同。
（3）以上安装步骤就基本完成，但是注意由于Miniforge3中和Mini Conda一样，主要包含了python和conda，其他的一些科学计算库例如pandas等等需要自己手动安装，方式如下：
conda install -y pandas matplotlib scikit-learn jupyterlab
以上安装步骤已经完成，下面可以对安装是否成功进行测试
4. 测试
命令行输入python，打开python shell环境
依次输入下面代码：
import tensorflow as tf
print(tf.__version__)当引入tensorflow不报错并且打印出tensorflow版本时，代表tensorflow安装成功
5. Pycharm导入含有tensorflow包的python解释器
根据图中路径寻找python解释器，在envs文件夹下，位置时~/miniforge3/envs/你的虚拟环境名（我的是tensorflow）/bin/python
Pycharm测试：
import tensorflow as tf
print(tf.__version__)
print(tf.config.list_physical_devices())
补充：实际上可以按照苹果官网的方法进行在线pip安装，Tensorflow Plugin - Metal - Apple Developer
python -m pip install tensorflow-macos但是由于在安装中可能出现h5py无法安装的情况，因此我们直接下载tensorflow_macos安装包，下载到本地之后再用pip安装本地文件，不仅速度快，而且不会出现h5py的相关报错