谷歌表示，借助 TensorFlow 2，可在跨平臺(tái)、設(shè)備和硬件上實(shí)現(xiàn)一流的訓(xùn)練性能，從而使開(kāi)發(fā)者、工程師和研究人員能夠在他們喜歡的平臺(tái)上工作。IT之家獲悉，現(xiàn)在，TensorFlow 用戶可以在搭載 Apple 全新 M1 芯片或 Intel 芯片 Mac 上的 利用 TensorFlow 2.4 Mac 優(yōu)化版和新的 ML Compute 框架來(lái)加快訓(xùn)練速度。這些改進(jìn)提升了 Apple 開(kāi)發(fā)者通過(guò) TensorFlow Lite 在 iOS 上執(zhí)行 TensorFlow 的能力，繼續(xù)展現(xiàn)了 TensorFlow 在 Apple 硬件上支持高性能 ML 執(zhí)行方面的廣度和深度。

采用 ML Compute 時(shí) Mac 上的性能

Apple 近期發(fā)布了搭載全新 M1 芯片的系列 Mac 產(chǎn)品，如此一來(lái)，Apple 針對(duì) Mac 優(yōu)化的 TensorFlow 2.4 版能夠充分利用 Mac 的強(qiáng)大功能并在性能上大幅提升。

ML Compute 是 Apple 的新框架，可以在 Mac 上訓(xùn)練 TensorFlow 模型，現(xiàn)在，您可以在搭載 M1 和 Intel 芯片的 Mac 上實(shí)現(xiàn)加速的 CPU 和 GPU 訓(xùn)練。

例如，M1 芯片搭載功能強(qiáng)大的新型 8 核 CPU 和多達(dá) 8 核 GPU，均針對(duì) Mac 上的 ML 訓(xùn)練任務(wù)進(jìn)行了優(yōu)化。在下圖中，您可以看到針對(duì) Mac 優(yōu)化的 TensorFlow 2.4 如何在搭載 M1 和 Intel 芯片的通用型號(hào) Mac 上實(shí)現(xiàn)巨大的性能提升。

▲在搭載 M1 和 Intel 芯片的 13 英寸 MacBook Pro 上使用 ML Compute 時(shí)對(duì)常見(jiàn)模型訓(xùn)練影響，以每批秒數(shù)顯示，數(shù)字越小表示訓(xùn)練時(shí)間越短

▲在搭載 Intel 芯片的 2019 Mac Pro 上使用 ML Compute 時(shí)對(duì)常見(jiàn)模型的訓(xùn)練影響，以每批秒數(shù)顯示，數(shù)字越小表示訓(xùn)練時(shí)間越短

開(kāi)始使用針對(duì) Mac 優(yōu)化的 TensorFlow

用戶無(wú)需對(duì)其現(xiàn)有的 TensorFlow 腳本進(jìn)行任何更改即可使用 ML Compute 用作 TensorFlow 和 TensorFlow 插件的后端。

首先，請(qǐng)?jiān)L問(wèn) Apple 的 GitHub 倉(cāng)庫(kù)，了解如何下載和安裝 Mac 優(yōu)化的 TensorFlow 2.4。

在不久的將來(lái)，谷歌會(huì)將該版本集成到 TensorFlow master 分支中，使用戶能更輕松地進(jìn)行此類更新，從而獲得這些性能數(shù)據(jù)。

您可以在 Apple 的機(jī)器學(xué)習(xí)網(wǎng)站上了解 ML Compute 框架細(xì)節(jié)。

責(zé)任編輯：haq