提取the official directions from Apple（截至2022年7月13日），可以使用以下YAML创建一个环境：

tf-金属-臂64.yaml

name: tf-metal
channels:
  - apple
  - conda-forge
dependencies:
  - python=3.9  ## specify desired version
  - pip
  - tensorflow-deps

  ## uncomment for use with Jupyter
  ## - ipykernel

  ## PyPI packages
  - pip:
    - tensorflow-macos
    - tensorflow-metal  ## optional, but recommended

编辑以包括其他软件包。

创建环境

在创建环境之前，我们需要知道基础架构是什么。使用conda config --show subdir检查。

本机（osx-arm 64）基本

如果你已经安装了一个原生的osx-arm 64Miniforge变体（我推荐使用Mambaforge），那么你可以使用以下命令创建：

mamba env create -n my_tf_env -f tf-metal-arm64.yaml

注：如果你没有曼巴，那么用conda代替mamba;或者安装它以更快地求解：conda install -n base mamba .

仿真的（osx-64）基底

如果没有本机base，则需要覆盖subdir设置：

## create env
CONDA_SUBDIR=osx-arm64 mamba env create -n my_tf_env -f tf-metal-arm64.yaml

## activate
mamba activate my_tf_env

## permanently set the subdir
conda config --env --set subdir osx-arm64

请确保在安装或更新软件包之前始终激活环境。

1.下载并安装Conda env：
https://github.com/conda-forge/miniforge/releases/latest/download/Miniforge3-MacOSX-arm64.sh

chmod +x ~/Downloads/Miniforge3-MacOSX-arm64.sh
sh ~/Downloads/Miniforge3-MacOSX-arm64.sh
source ~/miniforge3/bin/activate

1.安装TensorFlow依赖项：
conda安装-c appletensorflow 量-deps
1.客户群TensorFlow：

python -m pip install tensorflow-macos

1.安装基础TensorFlow-metal：
python -m pip安装张紧器流量-金属
1.创建Conda环境：

conda create -n tensorflow-env tensorflow

1.康达激活tensorflow -Env

首先，TensorFlow并不正式支持Mac M1。他们不分发为Mac M1（及其特定的arm64 arch）预编译的包，因此tensorflow-macos包由Apple维护。据我所知，TensorFlow只分发x86（Linux、Windows、Mac）和Raspberry PI（arm64）的官方轮。
苹果在Tensorflow中使用了一个特定的插件，使框架与Mac OS的图形堆栈Metal兼容。换句话说，他们利用PluggableDevice API of Tensorflow编写代码，将TensorFlow操作转换为M1的GPU能够理解的代码。
这两个软件包分别包含：

• tensorflow-deps在arm64上运行Tensorflow的依赖项，即python、numpy、grpcio和h5py。我认为这是一个更方便的包。
• tensorflow-metal：使Tensorflow能够在metal上运行的插件，metal是MacOS的着色器API（相当于其他平台上的Vulkan或DirectX12的低级API）。如果您习惯在Nvidia GPU上运行TensorFlow，可以将其视为CUDA的替代品。

如果没有tensorflow-metal包，TensorFlow将无法利用M1的GPU，但仍能在CPU上运行代码。

我用pip在我的M1 Mac上安装了一个tensorflow 2.9.2的工作版本。首先，安装pyenv和python 3.10.6。接下来，安装pip install tensorflow-metal，最后安装pip install tensorflow-macos。就这样，不需要tensorflow-deps了。
如果您的模型抱怨cuDNN不可用并且运行缓慢，请尝试按照tensorflow docs调整脚本以启用cuDNN

我得到的两个答案有助于更好地理解如何在M1上安装TensorFlow。但我也想分享我的经验。
1.关于tensorflow-deps。我确实需要它，没有它pip无法安装grpcio，因此实际上无法安装tensorflow-macos。当我第一次问这个问题时，我没有足够重视pip install tensorflow-macos的输出。
1.关于tensorflow-macos包，实际上https://blog.tensorflow.org/2020/11/accelerating-tensorflow-performance-on-mac.html有完整的信息。顺便说一句，这篇发表于2020年11月18日的文章说：“在不久的将来，我们将通过将分叉版本集成到TensorFlow主分支中，使用户更容易获得这些性能数据。”但根据Lescurel的回答，他们似乎还没有。
1.我不知道PluggableDevice的概念（就像在Lescurel的文章中一样），所以当我访问https://github.com/apple/tensorflow_macos时，我仍然感到困惑。如果你也不知道这一点，可以看看那篇文章，基本上它会让TensorFlow支持新设备。
1.在我列出的4篇文章中，“也适用于M1”是最有帮助的。它实际上解释了为什么我需要tensorflow-deps和tensorflow-metal。但我之前没有足够注意的部分原因是：a）我想使用conda，而不是miniforge，所有这些软件包管理器工具让我有点害怕（来自nodejs background，npm，yarn，yarn 2，pnmp）. merv的答案也建议了另一个mamba，但我想我会通过. b）我不使用homebrew，基本上所有关于在m1上安装ts的文章都提到了先安装homebrew。但是我使用macport，因为我在这里提到的原因（我再次有点害怕这些包管理器工具）
1.使用environment.yaml，就像merv的答案中的那个，是安装tensorflow的可靠方法！
顺便说一句，一旦我弄清楚了安装tensorflow的整个过程，安装pytorch就容易多了，因为pytorch现在也支持M1，请在这里检查https://pytorch.org/blog/introducing-accelerated-pytorch-training-on-mac/

Apple的官方说明可从here获得。
撰写本报告时：

conda create python=3.10.6 --name <NAME>
conda activate <NAME>
conda install -c apple tensorflow-deps
python -m pip install tensorflow-macos
python -m pip install tensorflow-metal