我有一个类似的问题很长一段时间了，也有很多问题得到教程中提出的解决方案等为我工作。我认为是什么问题（虽然我不能完全肯定这一点）是一些必需的包的现有版本或缓存版本，即使在我尝试重新安装正确的包后，这些包仍然存在。我不能使用M1芯片使用的arm64架构，它是特定于应用程序的，所以你的麻木安装会很好，但是它会导致tensorflow的问题（还有一些其他的gpu应用程序，我见过其他人在努力）
我可以通过使用conda channels来强制它在搜索依赖项时只在特定的通道中查找（因此只在我们漂亮的新arm64架构兼容包中查找），而不是查找现有安装和旧安装来解决这个问题。
我没有从文件创建环境，而是使用以下命令

conda config --env --set channel_priority strict

如果有一种方法可以直接在环境文件中实现这一点，我对此并不熟悉，但是有一些非常简单的变通方法可以达到同样的效果。在我看来，最简单的方法是为所有相关的包指定通道，如下所示

name: tf-metal
channels:
  - apple

dependencies:
  - python=3.10 
  - pip
  - jupyter
  - apple::tensorflow-deps
  - conda-forge::pandas
  - conda-forge::pandas-datareader
  - conda-forge::scikit-learn
  - conda-forge::scipy
  - conda-forge::ipykernel

  ## PyPI packages
  - pip:
    - tensorflow-macos
    - tensorflow-metal

我做了一些测试，这也使我能够成功地安装它，虽然它花了大约一分半钟来运行。下面是我使用的测试文件：

# This function is written to help users ensure that their tensorflow installations are correct
print("Testing Tensorflow Validity", flush = True)
import tensorflow as tf

print("[TensorFlow] version:", tf.__version__)
print("Num GPUs Available: ", len(tf.config.experimental.list_physical_devices('GPU')))
print(tf.config.list_physical_devices('GPU'))

希望这有帮助：）