Mac M1通过conda安装tensorflow-probability=0.11.1失败问题咨询

这个问题核心是Apple Silicon（M1系列）架构的Conda原生源包覆盖不全导致，不需要优先使用虚拟机，按以下优先级操作即可解决：

方案1：使用Rosetta 2转译运行x86架构依赖（性能损耗最低，推荐优先尝试） #

你之前配置的osx-arm64架构源本身包覆盖度不足，大量包没有arm原生构建版本，或版本滞后严重（比如你提到的tensorflow-probability，osx-arm64源最高仅提供0.7版本，不存在0.11.1的arm架构conda包），直接切换到osx-64子架构，通过macOS自带的Rosetta 2转译运行即可获得和Intel Mac完全一致的包覆盖度，操作步骤如下：

• 先删除现有存在安装异常的虚拟环境，避免不同架构包混装的残留冲突：
  conda remove -n 你的虚拟环境名 --all
• 新建虚拟环境时临时指定子架构为osx-64：
  CONDA_SUBDIR=osx-64 conda create -n 你的虚拟环境名 python=你需要的Python版本
• 激活新建的环境，固定当前环境的子架构配置，避免后续安装包时自动切回arm64架构：

  conda activate 你的虚拟环境名
  conda config --env --set subdir osx-64
  

• 之后正常执行依赖安装命令即可：
  conda install --file requirements.txt

常见安装失败的额外排错点 #

• 注意包名正确性：sklearn是pip安装时的别名，conda源中对应的包名为scikit-learn，直接写sklearn会触发找不到包的报错。
• 冗余包清理：pickle5、importlib这类模块在Python 3.8及以上版本已经属于标准库内置模块，不需要单独安装，直接从requirements.txt中删除对应条目即可。
• 遇到conda源确实没有收录的包，不需要反复切换源，激活当前环境后直接用pip安装即可，osx-64环境下的pip安装的x86包同样会走Rosetta转译，不会出现架构冲突：
  pip install 缺失的包名
• 不要在已经混装过arm、x86架构包的旧环境里修补依赖，直接删环境重建是效率最高的解决方式，混装导致的隐性依赖冲突基本无法靠手动调整完全修复。

关于虚拟机方案的说明 #

Rosetta 2转译运行Python环境的性能损耗仅在10%-20%区间，日常开发、模型训练的感知非常弱，远低于虚拟机的性能损耗，只有当你需要用到必须原生arm运行的特殊工具时，再考虑通过虚拟机配置x86环境即可。

内容的提问来源于stack exchange，提问作者Andy Peng