能否在搭载M1芯片的MacOS系统上运行tensorflow-data-validation？

该类安装报错的核心原因是：PyPI公开渠道发布的tensorflow-data-validation官方预编译安装包，仅覆盖x86_64架构的Linux、Windows、MacOS运行环境，未提供适配ARM64架构（M系列芯片）MacOS的可安装分发包，pip检索时找不到匹配当前系统架构的对应版本，就会输出“无匹配分发版本”的报错提示。

可落地的操作步骤 #

• 先确认当前tfdv38conda环境的Python版本符合要求：目前适配M1架构的tensorflow-data-validation构建产物，仅支持Python 3.8/3.9/3.10三个版本，版本偏差会直接触发依赖匹配失败。
• 调整pip安装时的包检索逻辑，跳过PyPI默认源的不兼容x86包，直接对接社区维护的M1架构适配版tensorflow-data-validation预编译wheels资源，指定该资源地址为额外的包检索索引后，再执行安装操作。
• 安装过程中严格保持已安装的Mac优化版TensorFlow的版本号，不要触发pip自动升级TensorFlow依赖，避免出现版本不兼容问题。
• 安装完成后做基础功能校验：进入环境执行简单的导入测试，确认tensorflow_data_validation模块可以正常加载，能输出版本号就说明安装流程完成。

常见安装坑点规避 #

• 如果安装过程中提示pyarrow依赖冲突，先单独安装适配M1架构MacOS的pyarrow预编译包，再继续安装tensorflow-data-validation，不要直接拉取PyPI默认源的x86架构pyarrow包，会直接触发架构不兼容报错。
• 不建议通过源码编译的方式安装tensorflow-data-validation，该包依赖的底层Arrow、TensorFlow关联组件编译流程复杂，M1架构下的适配成本极高，使用预编译wheels的安装效率远高于源码编译。
• 目前适配版本的tensorflow-data-validation可以覆盖数据集统计生成、schema规则校验、样本异常检测等常规使用场景，部分对接TFX全链路的高级功能可能存在零星兼容问题，遇到这类问题可单独排查对应模块的依赖版本匹配关系即可。

内容的提问来源于stack exchange，提问作者marie