需先确认macOS≥12.3并启用Metal，再用Mambaforge创建ARM64环境，依次安装tensorflow-macos与tensorflow-metal，显式设置GPU可见性及内存增长，必要时离线安装官方wheel包。
如果您在搭载Apple M系列芯片的Mac上运行TensorFlow时发现训练速度缓慢或GPU未被识别，则可能是由于未正确启用Metal加速后端或环境组件版本不匹配。以下是解决此问题的步骤：
一、验证硬件与系统兼容性
TensorFlow在M芯片上的GPU加速依赖于mac OS原生Metal框架及tensorflow-metal插件支持，仅适用于macOS 12.3及以上版本，且需确认系统已启用Metal图形能力。该步骤用于排除底层硬件不可用导致的加速失效。
1、打开终端，执行命令检查macOS版本：
sw_vers
2、确认输出中
ProductVersion不低于12.3；若低于该版本，请升级系统。
3、运行以下Python代码验证Metal基础可用性：
import Metal print("Metal模块可导入")
4、若报错
ModuleNotFoundError，说明系统未提供Metal Python绑定，此时必须升级至macOS Sonoma（14.x）或更高版本。
二、使用Mambaforge构建隔离Python环境
Mambaforge比传统conda更快解析依赖关系，能避免因包冲突导致的tensorflow-metal加载失败，尤其适配ARM64架构下的二进制兼容性要求。
1、通过Homebrew安装Mambaforge：
brew install mambaforge
2、初始化shell配置（以zsh为例）：
mamba init zsh
3、重启终端使配置生效。
4、创建专用环境并激活：
mamba create -n tf_m1 python=3.11 mamba activate tf_m1
5、升级pip确保wheel安装机制正常：
pip install --upgrade pip --no-cache-dir
三、分步安装TensorFlow核心组件
安装顺序直接影响GPU设备是否被TensorFlow运行时识别：必须先安装tensorflow-macos本体，再安装tensorflow-metal插件，否则插件无法注册为合法后端。
1、安装macOS专用TensorFlow主包：
pip install tensorflow-macos==2.18.0 --no-cache-dir
2、安装Metal加速后端：
pip install tensorflow-metal==1.1.0 --no-cache-dir通义灵码 Mac版通义灵码 Mac版是阿里云推出的一款AI智能编码助手，深度集成于Xcode、VS Code及JetBrains等主流IDE中。它基于大模型技术，支持行级/函数级实时续写、自然语言生成代码、单元测试生成及智能问答等核心功能。macOS用户可通过插件市场直接安装，开箱即用，旨在辅助开发者高效完成编码任务，提升研发效率。
下载
3、验证安装完整性：
python -c "import tensorflow as tf; print(tf.config.list_physical_devices())"
4、若输出中包含
PhysicalDevice(name='/physical_device:GPU:0', device_type='GPU')，则GPU设备已成功注册；否则需重新执行步骤1–2。
四、强制启用GPU设备并绕过自动选择
TensorFlow默认可能仍调度至CPU，尤其在多设备共存场景下。显式设置可见设备可确保计算图全部路由至Metal GPU，避免隐式回退。
1、在训练脚本开头插入设备配置代码：
import tensorflow as tf gpus = tf.config.list_physical_devices('GPU') if gpus:try:tf.config.set_visible_devices(gpus[0], 'GPU') except RuntimeError as e:print(e)
2、添加内存增长限制以适配统一内存架构：
for gpu in gpus:tf.config.experimental.set_memory_growth(gpu, True)
3、运行MNIST最小验证示例前，插入设备日志：
print("Active device:", tf.test.is_built_with_cuda(), tf.config.list_logical_devices('GPU'))
4、若
tf.test.is_built_with_cuda()返回False但逻辑GPU列表非空，则说明当前使用的是Metal而非CUDA路径，属正常现象。
五、使用预编译wheel包离线安装
当网络受限或PyPI镜像不稳定时，直接下载官方发布的ARM64兼容wheel包可规避pip源解析错误，适用于企业内网或CI/CD封闭环境。
1、访问https://pypi.org/project/tensorflow-macos/#files，筛选文件名含macosx_12_0_arm64.whl或macosx_13_0_arm64.whl的包。
2、下载对应版本的tensorflow-macos与tensorflow-metal两个whl文件。
3、在已激活的tf_m1环境中执行本地安装：
pip install ./tensorflow_macos-2.18.0-py3-none-macosx_13_0_arm64.whl --no-deps --force-reinstall
4、跳过依赖检查安装Metal插件：
pip install ./tensorflow_metal-1.1.0-py3-none-macosx_13_0_arm64.whl --no-deps --force-reinstall 5、手动补装缺失依赖（如absl-py、opt_einsum等）：pip install absl-py opt_einsum termcolor --no-cache-dir