M2 Mac本地运行Segment Anything报错：无法推断numpy.uint8类型

问题背景 #

在搭载Sonoma 14.5系统的M2 MacBook本地运行Segment Anything的onnx_model_example.ipynb第11步时，持续触发错误：

RuntimeError: Could not infer dtype of numpy.uint8

报错栈指向torch.as_tensor转换环节。当前使用的conda环境依赖版本：

numpy==1.24.4
torch==1.9.0
torchvision==0.10.0
opencv-python==4.10.0.84

曾测试Python 3.9.19和3.11环境，尝试过多个numpy版本仍未解决；该notebook在Google Colab上可正常运行，但Colab使用的高版本依赖（numpy 1.25.2、torch 2.3.0+cu121等）无法在Mac本地安装。

排查原因 #

• Torch版本与Apple Silicon兼容性缺陷：torch 1.9.0属于早期版本，对M系列芯片的原生支持不完善，ARM架构下对numpy数据类型的处理存在适配bug。
• Numpy与Torch版本不匹配：numpy 1.24.x对数据类型定义有调整，而旧版torch（1.9.0）未同步适配这种变化，导致类型推断失败。
• ONNX Runtime的ARM适配不足：SAM的ONNX示例依赖ONNX Runtime，若版本过旧，在M系列芯片上处理numpy uint8类型时可能出现兼容性问题。

解决步骤 #

1. 升级到Apple Silicon原生支持的PyTorch版本 #

放弃torch 1.9.0，安装官方针对M系列芯片优化的稳定版，在conda环境中执行：

conda install pytorch torchvision torchaudio -c pytorch

该命令会自动安装适配ARM架构的PyTorch 2.x版本，并同步匹配兼容的torchvision、numpy版本。

2. 调整Numpy版本适配新Torch #

若自动安装的numpy仍存在兼容性问题，可手动指定适配版本：

conda install numpy=1.26.x

1.26.x系列与PyTorch 2.x在Apple Silicon上兼容性良好。

3. 替换为Apple Silicon优化的ONNX Runtime #

卸载原onnxruntime，安装针对ARM架构优化的版本：

pip uninstall onnxruntime
pip install onnxruntime-silicon

确保ONNX模型在M芯片上的类型处理逻辑正常。

4. 临时修改代码绕过自动推断（应急方案） #

若暂时无法升级依赖，可在报错位置显式指定数据类型：

# 原代码示例
tensor = torch.as_tensor(numpy_array)
# 修改后
tensor = torch.as_tensor(numpy_array, dtype=torch.uint8)

强制指定dtype可跳过自动推断环节，直接完成转换。

5. 验证环境依赖一致性 #

安装完成后，运行以下代码确认版本兼容性：

import torch
import numpy
import cv2
print(f"Torch version: {torch.__version__}")
print(f"Numpy version: {numpy.__version__}")
print(f"OpenCV version: {cv2.__version__}")

确保所有依赖均为Apple Silicon原生支持版本，无跨架构兼容问题。

内容的提问来源于stack exchange，提问作者LNI