苹果M系列芯片上不存在名为“Iris”的官方或主流深度学习/系统框架；实际可用的是PyTorch的Metal后端torch.mps，需手动启用并显式指定device="mps"。
Iris 框架不是 macOS 或 Apple Silicon 原生支持的官方库，也没有名为 Iris 的主流深度学习/图形/系统框架被苹果或 PyTorch、TensorFlow 等生态广泛采用。你大概率是把名字记混了——常见混淆项包括：
-
iris：Python 的一个小型数据可视化库（已多年未更新，PyPI 上仅 0.1.x 版本，不支持 Apple Silicon） -
Iris Pro：一款屏幕色温/亮度调节工具（Mac 商业软件，非开发框架） -
torch.mps：PyTorch 的 Metal 后端，常被误称为 “Iris” 或 “IRIS GPU backend” -
Core ML、Metal、MLX：真正用于 M 系列芯片加速的原生框架
所以直接回答：苹果 M 系列芯片上没有可安装的 “Iris 框架”；若你实际想用的是 PyTorch 的 GPU 加速能力，请用 torch.mps，而不是找不存在的 Iris。
torch.mps 在 M 系列 Mac 上必须手动启用
MPS（Metal Performance Shaders）是 PyTorch 官方为 Apple Silicon 提供的 GPU 加速后端，但它默认不自动启用，也不会出现在 torch.cuda.is_available() 的判断里。
- 它不依赖 CUDA，也不需要 NVIDIA 驱动
- 不支持所有 PyTorch 算子（比如某些稀疏张量操作、
torch.compile的部分后端、FlashAttention 等第三方扩展） - 必须显式将张量和模型移到
device="mps"才生效
import torch
device = torch.device("mps" if torch.backends.mps.is_available() else "cpu")
model = MyModel().to(device)
x = torch.randn(1, 3, 224, 224).to(device)
y = model(x) # 此时才走 MPS 加速
常见错误：
- 忘记调用
.to(device)，全部在 CPU 上跑，毫无加速 - 把
torch.cuda.*相关代码（如torch.cuda.empty_cache()）照搬过来，会报AttributeError - 使用
torch.compile(..., backend="inductor")时未指定mode="default"或未适配 MPS，导致 fallback 到 CPU
pip install iris 会装错包，且无法运行
PyPI 上确实存在一个叫 iris 的包（scitools-iris），但它是一个面向气象科学的 NetCDF 数据分析库，基于旧版 NumPy 和 Python 3.7–3.9，不兼容 macOS 13+ + Apple Silicon：
- 安装后 import 会失败，报
ImportError: dlopen(...): no suitable image found - 依赖的
cftime和cf_units编译 wheel 不含 arm64 架构 - 即便强制从源码编译，也会卡在 Fortran 扩展链接阶段（Apple Clang 不带 gfortran runtime）
如果你只是想快速绘图或处理数组，用 matplotlib + numpy + scipy 组合更稳；真要处理 NetCDF，推荐 xarray（纯 Python，M 系列原生支持）。
Iris Pro 不是框架，别试图 pip install 它
Iris Pro 是商业桌面工具（类似 f.lux），官网提供 .dmg 下载，激活码是 iris-giveaway。它跟编程框架零关系：
- 没有 Python API
- 不提供命令行接口或 SDK
- 无法通过
pip、brew或conda安装 - macOS 要求 ≥ 11.4，M1/M2/M3 全支持，但仅限 GUI 控制屏幕参数
如果你在项目文档里看到 “use Iris to adjust display”，那基本是指这个软件，不是代码依赖。
M 系列芯片的 GPU 加速路径很明确：用 torch.mps 做模型推理，用 Core ML 部署训练好的模型，用 MLX（Apple 官方新推的 Swift/Python 混合框架）做研究原型——而 Iris 这个名字，在当前 Apple 生态里没有对应的技术实体。
