M1 Ultra设备运行TensorFlow遇问题：仅单GPU被调用，求解决方案

核心问题原因 #

M1 Ultra 是两颗 M1 Max 封装整合的架构，早期适配 Apple Silicon 的 TensorFlow 版本默认只识别单颗 GPU 核心，没有针对 Ultra 的多GPU调度做专门优化，你找到的通用 M1/M1 Max 安装指引自然覆盖不到这个场景。

具体排查与修复步骤 #

• 升级 TensorFlow 版本：必须使用 TensorFlow 2.10 及以上版本，后续版本才正式支持 M1 Ultra 的多GPU并行能力，旧版本无此适配。
• 验证 Metal 后端设备识别：运行以下代码确认是否正确识别双GPU：

  import tensorflow as tf
  print(tf.config.list_physical_devices('GPU'))
  

  正常适配时，输出会显示2个GPU设备条目。
• 显式启用多GPU分布式策略：即使识别到双GPU，TensorFlow 默认不会自动并行，需要手动设置调度策略：

  strategy = tf.distribute.MirroredStrategy()
  with strategy.scope():
      # 在此范围内定义模型、编译及训练逻辑
      model = tf.keras.Sequential([...])
      model.compile(optimizer='adam', loss='sparse_categorical_crossentropy')
  

• 确认GPU运行状态：训练时打开系统的活动监视器，切换到GPU标签页，查看两颗GPU的使用率是否都处于活跃状态。

额外注意事项 #

• 不要使用conda等虚拟环境中的旧版TensorFlow包，直接通过pip install tensorflow-macos和pip install tensorflow-metal安装官方适配版本。
• 轻量模型可能无法触发多GPU调度，建议用ResNet50、BERT等较大模型或大数据集测试，才能直观看到双GPU负载。

内容的提问来源于stack exchange，提问作者serlingpa