超简单Miniforge Apple Silicon安装教程:M1/M2芯片完美适配指南
2026-02-04 04:16:18作者:滑思眉Philip
你还在为Apple Silicon芯片的Mac安装Conda环境时遇到各种兼容性问题吗?无论是"架构不匹配"错误还是依赖包安装失败,本文将通过3个核心步骤+2个避坑技巧,帮助你在5分钟内完成Miniforge的本地化部署,让Python数据科学环境在M1/M2/M3芯片上流畅运行。读完本文你将获得:Apple Silicon专属安装包获取方法、一键式终端安装流程、环境验证与常见问题解决方案。
为什么选择Miniforge for Apple Silicon
Miniforge是conda-forge社区推出的轻量级发行版,专为跨平台优化,特别针对Apple Silicon(arm64架构)提供原生支持。相比Anaconda或Miniconda,它具有以下优势:
- 更小安装体积(约300MB vs Anaconda 3GB+)
- 默认启用conda-forge源,提供更多arm64原生包
- 内置Mamba包管理器,下载速度提升3-5倍
- 完美适配macOS 11+(Big Sur及以上版本)
项目核心配置文件:
- 构建脚本:build_miniforge_osx.sh
- 官方说明:README.md
- 许可证信息:LICENSE
安装前准备
系统要求验证
确保你的Mac满足以下条件:
- 芯片:Apple M1/M2/M3系列(arm64架构)
- 系统:macOS 11.0+(Big Sur或更新版本)
- 存储空间:至少1GB可用空间
通过终端命令验证架构:
uname -m # 应输出arm64
sw_vers -productVersion # 应输出11.0或更高版本
下载Apple Silicon专属安装包
使用curl或wget从项目仓库获取最新安装脚本:
# 方法1: 使用curl
curl -L -O "https://github.com/conda-forge/miniforge/releases/latest/download/Miniforge3-MacOSX-arm64.sh"
# 方法2: 使用wget (如未安装可先运行: brew install wget)
wget "https://github.com/conda-forge/miniforge/releases/latest/download/Miniforge3-MacOSX-arm64.sh"
文件校验(可选但推荐):
# 计算SHA256哈希值并与官方发布页比对
shasum -a 256 Miniforge3-MacOSX-arm64.sh
三步完成安装
步骤1:运行安装脚本
在终端中执行以下命令启动安装流程:
bash Miniforge3-MacOSX-arm64.sh
步骤2:交互式配置
安装过程中会出现以下关键配置项,请按提示操作:
- 阅读许可协议,按Enter继续
- 输入
yes接受许可协议 - 确认安装路径(默认~/miniforge3,建议保持默认)
- 选择是否初始化conda(推荐输入
yes)
安装流程图:
graph TD
A[下载安装脚本] --> B[运行bash脚本]
B --> C[接受许可协议]
C --> D[确认安装路径]
D --> E[初始化conda]
E --> F[安装完成]
步骤3:环境生效
关闭当前终端窗口,重新打开一个新终端,或执行以下命令使配置立即生效:
source ~/.zshrc # 如果你使用zsh(默认shell)
# 或
source ~/.bash_profile # 如果你使用bash
安装验证与基础配置
验证安装结果
执行以下命令确认安装成功:
# 检查conda版本
conda --version # 应输出4.12.0+版本
# 检查Python版本及架构
python -c "import platform; print(platform.machine())" # 应输出arm64
# 检查mamba是否可用(Miniforge3已内置)
mamba --version
推荐初始配置
# 设置默认不自动激活base环境(保持系统清洁)
conda config --set auto_activate_base false
# 添加国内镜像源加速(可选)
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
conda config --set show_channel_urls yes
常见问题解决
权限错误 Permission Denied
若安装时出现权限问题,尝试:
# 修改脚本执行权限
chmod +x Miniforge3-MacOSX-arm64.sh
# 重新运行安装
bash Miniforge3-MacOSX-arm64.sh
安装路径已存在
若提示目录已存在,可选择:
- 使用
-u参数升级现有安装:
bash Miniforge3-MacOSX-arm64.sh -u
- 指定新路径安装:
bash Miniforge3-MacOSX-arm64.sh -p ~/new_miniforge3
终端启动时出现conda初始化错误
编辑shell配置文件移除错误配置:
# 对于zsh用户
nano ~/.zshrc
# 对于bash用户
nano ~/.bash_profile
删除所有以# >>> conda initialize >>>和# <<< conda initialize <<<包含的内容,保存后重新运行安装脚本并选择初始化。
基础使用指南
创建并激活环境
# 创建名为data_science的环境,指定Python 3.12
conda create -n data_science python=3.12
# 激活环境
conda activate data_science
# 安装常用包(示例)
mamba install numpy pandas matplotlib jupyterlab
环境管理常用命令
| 功能 | 命令 |
|---|---|
| 列出所有环境 | conda env list |
| 创建环境 | conda create -n 环境名 python=版本 |
| 激活环境 | conda activate 环境名 |
| 退出环境 | conda deactivate |
| 删除环境 | conda env remove -n 环境名 |
进阶资源
- 官方详细文档:README.md
- 构建脚本解析:build_miniforge_osx.sh
- 测试流程:scripts/test.sh
- 版本发布信息:docs/releases.py
通过本文指南,你已成功在Apple Silicon Mac上部署了原生的Miniforge环境。如需进一步优化或遇到其他问题,可查阅项目文档或提交issue获取社区支持。建议收藏本文以备后续环境迁移或重装时参考。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0392
openPangu-2.0-Flash昇腾原生的openPangu-2.0-Flash语言模型Python00
jiuwenswarmJiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。Python0727
Hy3Hy3 是由腾讯混元团队研发的快慢思考融合的混合专家模型,总参数量 295B,激活参数 21B,MTP 层参数 3.8B。4 月底发布 Hy3 Preview 后,我们在 50 多个业务中获得了广泛的反馈,修复了各种体验问题,进一步提升了后训练的质量和规模。今天,我们发布 Hy3。它展现出显著强于同尺寸并比肩旗舰(参数规模往往是 Hy3 的 2~5 倍)开源模型的智能水平,显著提升了在各类产品和生产力任务中的实用价值。Python00
AscendNPU-IRAscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优C++0286
LongCat-2.0LongCat-2.0,这是一款大规模混合专家(MoE)语言模型,总参数量达1.6万亿,每token激活参数量约480亿。LongCat-2.0深度集成Claude Code、OpenClaw、Hermes等主流评测框架,在代码理解、仓库级编辑、自动化任务执行及智能体工作流等场景均表现优异——为开发者提供更稳定高效的协作体验。00
项目优选
收起
暂无描述
Markdown
816
5.36 K
deepin linux kernel
C
32
16
Ascend Extension for PyTorch
Python
782
1.07 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
939
2.21 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
752
1.51 K
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
488
500
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.19 K
1.21 K
JiuwenSwarm 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。
Python
2.75 K
727
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
597
220
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
330
286