Mac M2设备上TensorFlow Transform安装失败问题咨询

1. 依赖版本冲突与编译适配问题
   • TensorFlow Transform的依赖声明中包含旧版本numpy（如1.16.x系列），这类版本没有针对Apple Silicon（ARM64）的预编译wheel包，pip只能尝试从源码编译，但numpy 1.16.0本身不支持ARM架构的编译环境，最终导致编译失败。
   • 你本地已安装的numpy 1.24.1版本远高于tft依赖要求的范围，pip为满足依赖约束会自动尝试降级numpy及其他关联依赖，进一步引发连锁兼容性问题。
2. Apple Silicon支持现状
   TensorFlow Transform官方未明确标注不支持Apple Silicon，但由于部分依赖包的旧版本缺乏ARM架构适配，导致在M系列Mac上直接通过pip安装会出现障碍，并非完全不支持。

• 方法一：使用conda创建适配环境

  1. 安装针对ARM架构的Miniforge发行版，确保环境基于ARM64。
  2. 创建新环境并安装依赖：

     conda create -n tft_env python=3.9
     conda activate tft_env
     conda install numpy=1.21.* tensorflow=2.10.0 tensorflow-metadata=1.11.0
     pip install tensorflow_transform
     

     选择numpy 1.21.x是因为它既满足tft的依赖范围，又有ARM架构的预编译包，可避免源码编译。

• 方法二：强制安装兼容版本依赖（谨慎使用）
  如果conda方案不可行，可尝试指定兼容的依赖版本，跳过自动降级：

  OPENBLAS="$(brew --prefix openblas)" pip install tensorflow_transform numpy==1.21.6 --no-deps
  

  之后手动安装其他缺失的依赖包，确保版本与tft兼容。

• 方法三：使用Docker容器
  基于支持ARM64的TensorFlow镜像创建容器，在容器内安装TensorFlow Transform，避开本地环境的架构适配问题：

  docker run -it --platform linux/arm64 tensorflow/tensorflow:2.10.0-arm64 bash
  pip install tensorflow_transform
  

内容的提问来源于stack exchange，提问作者mon