如何通过Miniforge在苹果M1芯片设备上原生安装PyTorch？

• 第一步：清理shell配置中的Anaconda初始化项
  问题根源是x86架构的Anaconda3优先级高于arm64版Miniforge，首先编辑当前shell的配置文件：
  如果你用Mac默认的zsh，执行nano ~/.zshrc；如果用bash，执行nano ~/.bash_profile
  找到所有Anaconda3相关的初始化代码（一般以# >>> conda initialize >>>开头，# <<< conda initialize <<<结尾的整段内容），直接删除或者注释掉每一行，保存退出后执行source ~/.zshrc（对应bash就替换为对应配置文件名）刷新配置。
• 第二步：验证Miniforge的优先级与架构配置
  执行which conda，输出路径应该包含miniforge而非anaconda3，brew安装的Miniforge默认路径为/opt/homebrew/Caskroom/miniforge/base/bin/conda。
  执行conda config --show subdir确认输出为osx-arm64，如果输出是osx-64，执行conda config --set subdir osx-arm64手动指定拉取包的架构。
• 第三步：重建arm64架构的PyTorch虚拟环境
  删除之前创建的x86架构旧环境：
  conda remove -n pytorch_env --all
  重新创建虚拟环境，创建时指定架构更稳妥：
  conda create -n pytorch_env python=3.10 subdir=osx-arm64
  激活环境后验证Python架构：

  conda activate pytorch_env
  python -c "import platform; print(platform.machine())"
  

  输出为arm64即表示环境架构正确。
• 第四步：安装原生arm64版PyTorch
  直接执行官方安装命令即可拉取对应架构的包：
  conda install pytorch torchvision torchaudio -c pytorch
  安装完成后执行验证命令：
  python -c "import torch; print(torch.backends.mps.is_available())"
  输出为True即为安装成功，可正常使用M系列芯片的GPU加速能力。

补充说明：如果执行上述步骤后仍有异常，可以临时将Anaconda3的根目录（默认是~/anaconda3）重命名为~/anaconda3_backup排除残留干扰，确认Miniforge正常运行后再按需处理Anaconda3。你之前安装的通用版Python不会影响conda虚拟环境的运行，无需额外处理。

内容的提问来源于stack exchange，提问作者Dirk