2026 年 Cellpose 4.2.1.1 Mac GPU 未啟用？按 MPS 排查

PyTorch 官方文件指出，MPS 後端要求 macOS 12.3 或更新版本，並且需要相容裝置與 PyTorch 建置；可先核對官方 MPS 前提。這不代表 Cellpose 的每個步驟都使用 GPU。本週先確認 MPS 可用性，再檢查 Cellpose 的實際執行入口，最後用代表性影像驗收結果；任何一關不符合需求，就改用已驗證的計算環境。

適合正在 Mac 上執行 Cellpose、但不確定是否呼叫 MPS 的研究生，逐步檢查後端與執行路徑。
也適合需要依科研判據檢視分割結果的研究人員。
課題組 macOS 管理人員則可用這套流程，區分環境、參數與任務環節問題。

先分清後端、推論與結果驗收

GPU 疑似未啟用時，常見的誤判是只看整次工作的耗時：如果結果比預期慢，就認定 Cellpose 正在用 CPU；如果 PyTorch 回報 MPS 可用，就認定分割已由 GPU 完成。兩種推論都不充分。

你要分開確認三件事：

• 後端可用：目前執行 Cellpose 的 Python 環境，能否使用 PyTorch MPS。
• Cellpose 有呼叫：這次任務的 CLI 或 API 是否採用 GPU 執行路徑。
• 結果合格：掩膜及後續分析是否符合課題組的科研判據。

另外，影像讀取、掩膜生成、後處理及檔案輸出，不一定與模型推論使用相同的執行方式。整體耗時會受到這些環節影響，因此不能單靠秒數判定 GPU 狀態或分割品質。若使用 PYTORCH_ENABLE_MPS_FALLBACK，還要確認不支援的運算是否退回 CPU；相關設定可查閱官方環境變數說明。

先檢查執行環境中的 MPS

先確認你執行檢查程式的環境，就是啟動 Cellpose 所使用的環境。終端機、圖形介面或批次工作可能各自使用不同的 Python 解譯器；在其中一個環境看到 MPS 可用，不足以證明另一個環境也相同。

在相同環境執行以下檢查：

import torch

print("PyTorch:", torch.__version__)
print("MPS built:", torch.backends.mps.is_built())
print("MPS available:", torch.backends.mps.is_available())

兩個狀態各自回答不同問題：is_built() 檢查這個 PyTorch 建置是否包含 MPS 支援；is_available() 檢查目前裝置與系統能否使用該後端。PyTorch 提供後端檢查介面說明，MPS 的裝置與系統條件則以官方 MPS 文件為準。

若建置不包含 MPS，先處理 PyTorch 安裝環境；若建置包含 MPS、但目前不可用，回頭核對作業系統、硬體及實際啟動的 Python。不要先修改 Cellpose 的分析參數，否則容易把環境故障誤當成模型問題。

核對 Cellpose 的呼叫方式與日誌

MPS 可用不等於當次 Cellpose 工作已呼叫 GPU。你需要確認執行入口與參數是否符合目前安裝版本的文件，並確認 CLI、圖形介面或程式碼實際使用的是同一個環境。

按以下次序檢查：

1. 確認啟動入口：記下實際使用的 CLI、GUI 或 Python 程式碼，以及它所用的 Python 解譯器。
2. 查看本機說明：在該環境檢視 cellpose --help，並與Cellpose CLI 文件核對 GPU 相關選項。不要把其他版本的參數直接套用。
3. 檢查程式呼叫：若透過 API 執行，核對目前版本接受的 GPU 或裝置設定；可對照Cellpose API 文件。
4. 保存啟動資訊：記錄 Cellpose 版本、PyTorch 版本、執行入口、相關參數及日誌。檢查輸出有沒有明確指出裝置選擇或後端錯誤。
5. 用小型代表性工作複核：以符合資料規範的樣本重跑，確認任務從啟動到輸出使用的是預期環境，再檢查掩膜及日誌。

Cellpose 的裝置分配程式碼可協助你理解版本中的裝置選擇邏輯。實際判斷仍應以正在使用的版本、呼叫參數和執行記錄為準；「PyTorch 可用」不是「Cellpose 已呼叫 MPS」的證據。

把模型推論和 2D／3D 後處理分開看

即使模型推論走了 MPS，也不應推定掩膜生成、資料轉換與後處理全部由 GPU 執行。2D 與 3D 任務可能經過不同流程；模型、版本及參數也會改變實際程式路徑。Cellpose 4.2.1.1 的行為應對照該版本的官方發行說明，並搭配相關安裝文件和 API 說明核對。

若問題集中在 3D 工作，不要把某個步驟的限制擴大成「Mac 不支援 Cellpose」；反過來，也不要因為某個模型推論正常，就推定整條 3D 流程已加速。對照輸出內容時，可以參考Cellpose 輸出文件說明，確認你檢視的檔案與分析步驟相符。

用代表性影像驗收科研結果

一次成功執行，只表示程式完成了某段工作；產生掩膜，也不等於掩膜符合研究用途。你應把「工作是否完成」和「結果是否可用」分開記錄。

建議以代表性或非敏感影像進行檢查，並遵守所屬機構的資料管理規則：

1. 選取能代表正式分析難點的影像，例如邊界不清或細胞密集的樣本；不得未經許可把受限資料移出核准環境。
2. 使用課題組既有基線、人工檢查過的掩膜，或已核准的分析判據作為比較依據。
3. 檢視漏分、過度分割、邊界偏差等與研究問題相關的現象，並確認後續分析步驟沒有遺漏。
4. 記錄 Cellpose 與 PyTorch 版本、模型、影像處理流程、執行設定和結果差異，以便重現與審查。
5. 只有在結果通過專案判據後，才把該環境納入正式工作流程；否則應回退到已驗證的計算環境。

不要預設 MPS 與其他裝置的運算速度或輸出必然一致，也不要把一次試跑當成結果有效性的證明。科研判斷要依據你所屬領域的驗證要求，而不是由執行成功訊息代替。

常見疑問：裝置、流程與科研判據

以下問題適合在檢查完環境與執行路徑後，作為下一步判斷依據。

在 Apple Silicon Mac 上怎樣確認 Cellpose 真的走 MPS？
先在啟動 Cellpose 的同一個 Python 環境檢查 PyTorch 的 MPS 建置與可用狀態，再依你使用的 CLI 或 API 明確設定 GPU。最後查看 Cellpose 的啟動資訊與執行路徑；單看 PyTorch 回報可用，不能證明這次分割工作已交由 MPS 執行。

PyTorch 顯示 MPS 可用，為甚麼 Cellpose 看起來仍在用 CPU？
兩者檢查的範圍不同。PyTorch 回報的是後端條件，Cellpose 是否採用 GPU，還取決於此次呼叫的參數、實際使用的 Python 環境，以及任務所走的程式路徑。若有不支援的運算子，也要檢查 MPS fallback 設定及日誌，不能只憑整體耗時判定。

Cellpose 的 MPS 會加速整個 3D 分割流程嗎？
不要預設所有 3D 步驟都在 MPS 上執行。模型推論、掩膜生成與後處理可能經過不同程式路徑，支援情況也會受 Cellpose 版本和任務設定影響。請核對對應版本的文件，並分別確認各環節；若無法確認，就以已驗證的環境完成正式分析。

怎樣判斷 Cellpose 分割結果可不可以用於科研分析？
先用符合資料許可要求的代表性影像，對照課題組既有基線、人工檢查的掩膜或已訂定的分析判據。確認細胞邊界、漏分與過度分割等關鍵問題，再核對下游分析步驟。任務完成或輸出檔案存在，只代表流程有結果，不代表結果已通過科研驗收。

需要補充 Mac 驗證環境時先核對條件

若課題組現有的 Linux 或 Windows 設備無法驗證 Apple Silicon 上的 MPS 行為，先確認研究問題是否真的要求在該環境驗收，再核對可用 Mac 的晶片、作業系統、軟體條件與機構資料規則。遠端 Mac 可以作為條件式驗證路徑，但不能在未確認環境前假設具備所需晶片、GPU 能力或資料審批資格。

相較之下，繼續只用既有非 Mac 設備，可能無法重現 Apple Silicon 的 MPS 路徑；自行購買 Mac 則涉及一次性設備支出與後續維護；臨時借用設備則未必能提供一致的軟體環境。你可以先閱讀遠端 Mac 環境說明，並查看方案與交付資訊，逐項確認實際提供的硬體、存取方式與租用條件。正式處理研究資料前，也應先核對機構資料規範及資料隱私說明。

若你只是需要短期檢查 Cellpose 的 Apple Silicon／MPS 執行路徑，租用遠端 Mac 可列入比較；但若工作長期且負載穩定、需要本機實體介面，或機構不允許資料離開核准設備，租用未必合適。先確認環境能力與資料規則，再決定是否採用，比單看「GPU 可用」就開始正式分析更可靠。

常見問題