深度学习代码实践（一）- GPU 推荐

时间已经到了2021年，如果还有人问，推荐什么笔记本或者工作站用作深度学习的开发环境，兼作日常开发的网络训练，无疑 Mac M1 是首选。携带方便，价格比起深度学习工作站不高，且系统易于使用。

2020年苹果推出了自产的 Mac M1 芯片，自带性能强悍的 GPU，刚出来的时候不支持 Tensorflow 等深度学习框架使用 GPU进行加速。 很快苹果推出了 M1 的 GPU 加速支持。

2020 年的Mac M1, 性能相当于GTX1650。 2021年10月刚出来的 M1 Pro 比 Mac M1 的性能提升一倍。 而 M1 Max 的性能相当于 RTX 2080，同时功耗大幅降低。

GPU单精度浮点性能指标如下：

M1 8核 = 2.6 TF

M1 Pro 14核 = 4.5 TF

M1 Pro 16核 = 5.2 TF

M1 Max 24核 = 7.8 TF

M1 Max 32核 = 10.4 TF

下面这个图是淘宝嘉兴科技上面的不同 GPU 的参数对比，Tesla P100 的单精度浮点性能是 9.3 TFLOPS， Mac M1 的性能相当于 Tesla P100 的 2.6/9.3 = 28%，一台笔记本接近于专业的 GPU工作站/服务器的 28%的性能， 已经非常强悍了。 

这个图是 M1 Max, RTX 2080S, RTX 2080 Max-Q 的性能和功耗对比

 下一篇将分享如何在 Mac M1 上面安装 Conda, Numpy, TensorFlow 的开发环境。