如何在M1/M2 Mac终端快速切换arm64与x86架构？

核心思路 #

利用Rosetta 2切换终端架构，结合pyenv管理不同架构的Python版本，再通过虚拟环境隔离TensorFlow和PyTorch的依赖，实现快速切换。

步骤1：配置双架构终端 #

M1默认终端为ARM64架构，要运行x86程序需通过Rosetta启动专属终端：

• 找到「终端.app」（位于/Applications/Utilities），右键选择「复制」，将副本重命名为「Terminal (x86)」
• 右键点击「Terminal (x86)」→「显示简介」，勾选「使用Rosetta打开」
• 此后，默认终端对应ARM64架构，「Terminal (x86)」对应x86_64架构

步骤2：安装pyenv管理多版本Python #

pyenv可在不同架构下维护独立Python版本，避免依赖冲突：

1. 在默认ARM64终端执行：

   brew install pyenv
   

2. 配置shell环境（以zsh为例，bash操作逻辑一致）：

   echo 'export PYENV_ROOT="$HOME/.pyenv"' >> ~/.zshrc
   echo 'command -v pyenv >/dev/null || export PATH="$PYENV_ROOT/bin:$PATH"' >> ~/.zshrc
   echo 'eval "$(pyenv init -)"' >> ~/.zshrc
   source ~/.zshrc
   

步骤3：安装对应架构的Python版本 #

安装ARM64版Python（适配原生加速库）

在默认ARM64终端执行：

# 选择适配TensorFlow-macos的版本（推荐3.9/3.10）
pyenv install 3.10.12
# 设置为当前终端默认版本
pyenv global 3.10.12
# 验证架构是否正确
python -c "import platform; print(platform.machine())"
# 输出应为 arm64

安装x86_64版Python（兼容x86生态依赖）

打开「Terminal (x86)」执行：

# 指定安装x86架构的Python
export PYENV_ARCH=x86_64
# 安装与ARM版大版本一致的Python，避免语法差异
pyenv install 3.10.12
# 设置为当前终端默认版本
pyenv global 3.10.12
# 验证架构是否正确
python -c "import platform; print(platform.machine())"
# 输出应为 x86_64

步骤4：创建架构专属虚拟环境 #

为每个架构独立创建虚拟环境，彻底隔离依赖：

ARM64环境（支持Metal硬件加速）

在默认终端激活Python后：

# 创建虚拟环境
python -m venv ~/venvs/arm-tf-pytorch
# 激活环境
source ~/venvs/arm-tf-pytorch/bin/activate
# 安装适配ARM的库
pip install tensorflow-macos tensorflow-metal  # TensorFlow带Metal加速支持
pip install torch torchvision torchaudio       # PyTorch原生ARM版本

x86_64环境（兼容x86专属依赖）

在「Terminal (x86)」激活Python后：

# 创建虚拟环境
python -m venv ~/venvs/x86-tf-pytorch
# 激活环境
source ~/venvs/x86-tf-pytorch/bin/activate
# 安装x86版本的库
pip install tensorflow  # 标准x86版TensorFlow
pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cpu  # x86版PyTorch

快速切换方法 #

• 切换到ARM64环境：打开默认终端，执行source ~/venvs/arm-tf-pytorch/bin/activate
• 切换到x86_64环境：打开「Terminal (x86)」，执行source ~/venvs/x86-tf-pytorch/bin/activate

验证安装 #

激活对应环境后，执行以下命令确认库正常运行：

# 验证TensorFlow
import tensorflow as tf
print(tf.__version__)
print(tf.config.list_physical_devices())

# 验证PyTorch
import torch
print(torch.__version__)
print(torch.backends.mps.is_available())  # ARM环境下应返回True

内容的提问来源于stack exchange，提问作者Marcelo Tournier