參考鏈接
https://www.jianshu.com/p/7d27a53e3a5e
Conda-forge安裝
選擇Miniconda-forge而非Anaconda的原因
前者已經對M1原生支持，官方的Github倉庫地址是：https://github.com/conda-forge/miniforge 。從這里下載要用的安裝包。
安裝
參考鏈接上的方法是直接拖拽，自己沒有成功。應該是使用命令bash Minicondaxxx.sh。
安裝過程中選擇conda init，然后使用conda config --set auto_activate_base false關閉自動激活base環境即可。
換源
在上一步的基礎上，應該在～路徑下生成了.condarc文件，如果沒有則自己創建即可。
官方：https://conda-forge.org 給出了換源方法。由於官方源較慢，這里建議使用清華大學源，配置方法：https://zhuanlan.zhihu.com/p/87123943 只需要添加https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/這一個源即可，至於pytorch之類的都不用。
這是自己的.condarc配置：
auto_activate_base: false
ssl-verify: true
show_channel_urls: true
channels:
- conda-forge
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
第3行為設置搜索時顯示通道地址，方便自己選擇。
使用
現階段只能使用conda-forge，因為這是唯一原生支持osx-arm64工具，並且開發者正在跟進原先osx-64平台的所有包，向arm架構轉換。
我們以numpy為例，在這里 https://anaconda.org/conda-forge/numpy 可以看到，支持的平台里有osx-arm64，這就是原生支持M1的。
而像tensorflow、pytorch等現階段是不支持的，需要自己編譯。所以在上面配置鏡像時，像pkgs/main或free，pytorch等不需要添加，因為加了也沒用。
安裝包時，使用conda install -c conda-forge package_name，-c參數也不是多余的，盡管自己安裝的是forge版本，且配置了鏡像，但是在使用過程中，指定這個channel會提高搜索速度。
建議使用conda代替pip。
Tensorflow安裝
根據第一個參考鏈接的步驟編譯即可，沒有什么難度，基本上能確保Tensorflow是可以使用的。
第一次“import tensorflow”時會比較慢，之后的速度比較正常。