蘋果「一呼百應」的號召力在機器學習領域似乎也不例外。新版 Mac 推出還不到兩周，谷歌就把專為 Mac 優(yōu)化的 TensorFlow 版本做好了，訓練速度最高提升到原來的 7 倍。

對于開發(fā)者、工程師、科研工作者來說，Mac 一直是非常受歡迎的平臺，也有人用 Mac 訓練神經(jīng)網(wǎng)絡，但訓練速度一直是一個令人頭疼的問題。

上周，蘋果發(fā)布了搭載 Arm 架構 M1 芯片的三款新 Mac，于是就有人想問：用它們訓練神經(jīng)網(wǎng)絡能快一點嗎？

今天，主流機器學習框架 TensorFlow 發(fā)文表示：我們專門做了一版為 Mac 用戶優(yōu)化的 TensorFlow 2.4 框架，M1 版 Mac 和英特爾版 Mac 都能用。這一舉動有望大幅降低模型訓練和部署的門檻。

此前，在 Mac 上，TensorFlow 僅支持將 CPU 用于訓練，但新的 tensorflow_macos 分支利用蘋果的 ML Compute，能讓 GPU 也被利用起來。蘋果在博客中介紹說：「我們使用了更高級別的優(yōu)化方法，比如熔合層，選擇合適的設備類型，將圖作為原語編譯、執(zhí)行并由 CPU 上的 BNNS 和 GPU 上的 Metal Performance Shader 加速?！?/p>

ML Compute 是蘋果公司今年推出的新框架，可用于在 Mac 上進行 TensorFlow 模型的訓練?，F(xiàn)在，無論新的 M1 版 Mac 還是舊的英特爾版 Mac，其 CPU 和 GPU 都能用來加快訓練速度。

M1 芯片包含新的 8 核 CPU 和最多 8 核的 GPU，并針對 Mac 的機器學習訓練任務進行了優(yōu)化。下面兩張圖表分別展示了針對 Mac 優(yōu)化后的 TensorFlow 2.4 在不同模型訓練中的性能提升：

上圖展示了使用 ML Compute 分別在搭載 M1 和英特爾芯片的 13 英寸 MacBook Pro 上進行機器學習訓練的情況。柱形的高度代表單批次的訓練時長。可以看出，優(yōu)化后的 Mac 版 TensorFlow 2.4 的訓練速度得到了明顯提升。在換成 M1 版的新 MacBook Pro 之后，提升就更為明顯了，訓練速度最高提升了 7 倍。

同樣使用 ML Compute，在搭載英特爾芯片的 2019 Mac Pro 上進行常見模型的訓練，性能提升也相當明顯。

TensorFlow 官方表示，用戶不需要對現(xiàn)有的 TensorFlow 腳本做任何更改，就可以使用 ML Compute 作為 TensorFlow 和 TensorFlow 插件的后端。

Mac 版 TensorFlow 2.4 的詳細入門指南可以參見：https://github.com/apple/tensorflow_macos

M1 版 Mac 對機器學習用戶的影響

蘋果曾在發(fā)布會上介紹說，M1 芯片將蘋果的神經(jīng)網(wǎng)絡引擎引入了 Mac，實現(xiàn)了 15 倍的機器學習任務加速。該神經(jīng)網(wǎng)絡引擎有 16 個核心，每秒運算速度可達 11 萬億次。除此之外，配置了 ML 加速器的 CPU 和強大 GPU（稱霸集顯，媲美部分獨顯）也使得整個 M1 芯片的機器學習能力得到巨大提升。

圖源：https://medium.com/disruptive-nerd/how-is-the-apple-m1-going-to-affect-machine-learning-2d9da1beef86

性能的提升毋庸置疑，但軟件兼容也是一個很大的問題。在 M1 版 Mac 發(fā)布之后，不少開發(fā)者都在問：我的 VS Code/Docker/Juypter Notebook…… 還能在新 Mac 上用嗎？

VSCode：最快月底就能做出來

在蘋果發(fā)布會之后不久，微軟 VS Code 團隊就發(fā)文表示，「VS Code 將支持 ARM 版 Mac，11 月底可能推出首個預覽版?！?/p>

Mac/ARM64 試驗版地址 https://code.visualstudio.com/insiders/#osx

此外，微軟還宣布將發(fā)布一款新的通用版 Mac Office 2019，支持新版蘋果處理器。

Docker：在安排，但還沒準備好

在 11 月 16 日的一篇博客中，Docker 的開發(fā)者表示，他們還沒有準備好讓 Docker 在 M1 版 Mac 上運行，在這之前還需要做很多準備。

Docker 表示，「我們 Docker 的目標是在新的 Mac 上提供與今天在 Docker Desktop for Mac 上同樣出色的體驗，并使這種過渡盡可能地無縫?！埂笧槲覀兊目蛻舸蛟旌线m的體驗意味著在我們推送一個版本之前，要把不少事情做好。雖然蘋果已經(jīng)發(fā)布了 Rosetta 2 轉譯器，以幫助將應用程序轉移到新的 M1 芯片上，但這并不能讓我們與 Docker Desktop 一路同行?！?/p>

至于 Juypter Notebook 等軟件，目前還沒有官方消息放出。不過，隨著蘋果不斷將生態(tài)打通，正在有越來越多的軟件開發(fā)商表示將開發(fā)適配 M1 版 Mac 的新產(chǎn)品。

參考鏈接：

https://machinelearning.apple.com/updates/ml-compute-training-on-mac

https://medium.com/disruptive-nerd/how-is-the-apple-m1-going-to-affect-machine-learning-2d9da1beef86

https://www.docker.com/blog/apple-silicon-m1-chips-and-docker/

責任編輯：PSY