![5647a7c46059d24e3008797f1910435f.png](https://i-blog.csdnimg.cn/blog_migrate/d8ed5dae55b053d330b2d081683f9d7c.jpeg)
这是一篇简单介绍在Mac利用最新M1处理器回事TensorFlow模型训练的文章,作者应该是google的人,但文章中引用的 github 仓库来自苹果公司。
原文链接: https:// blog.tensorflow.org/202 0/11/accelerating-tensorflow-performance-on-mac.html
![9fb92092e1d3057838bc8aa30b561d1b.png](https://i-blog.csdnimg.cn/blog_migrate/705375babaef2d8f7a56691729e0b04d.jpeg)
借助TensorFlow 2,可在各种不同的平台,设备和硬件上提供一流的培训性能,从而使开发人员,工程师和研究人员可以在其首选的平台上工作。现在,使用苹果公司针对Mac进行优化的TensorFlow 2.4版本和新的ML Compute框架,使用Intel Mac或采用Apple新型M1芯片的Mac上的TensorFlow用户可以利用加速培训的优势。这些改进与Apple开发人员能够通过TensorFlow Lite在iOS上执行TensorFlow的能力相结合,继续展示了TensorFlow在支持Apple硬件上的高性能ML执行方面的广度和深度。
使用ML Compute在Mac上的性能
Mac一直是开发人员,工程师和研究人员的流行平台。随着苹果公司上周发布的公告,其中包含更新的Mac阵容,其中包含新的M1芯片,Apple的Mac优化版本的TensorFlow 2.4充分利用了Mac的全部功能,从而极大地提高了性能。
ML Compute是苹果公司的新框架,可直接在Mac上为TensorFlow模型提供培训,现在,您可以利用在M1和Intel驱动的Mac上加速的CPU和GPU培训。
例如,M1芯片包含一个功能强大的新型8核CPU和多达8核GPU,它们针对Mac上的ML训练任务进行了优化。在下面的图表中,您可以看到Mac优化的TensorFlow 2.4如何在具有流行型号的M1和Intel驱动的Mac上实现巨大的性能提升。
![99fe67d935b8094543cd10143537f769.png](https://i-blog.csdnimg.cn/blog_migrate/91bfb7202f7a0eca3b106e115b5c6af3.jpeg)
![2bd1baa1b729cbe8ae4215f551cfdc39.png](https://i-blog.csdnimg.cn/blog_migrate/5e7ba552ac45940121ea03b6a1cae37d.jpeg)
Mac优化的TensorFlow入门
用户无需对其现有的TensorFlow脚本进行任何更改即可将ML Compute用作TensorFlow和TensorFlow插件的后端。
首先,请访问Apple的GitHub存储库,以获取下载和安装Mac优化的TensorFlow 2.4分支的说明。
在不久的将来,我们会将分叉版本集成到TensorFlow master分支中,使用户更容易获得这样的更新,从而获得这些性能指标。
您可以在Apple的机器学习网站上了解有关ML Compute框架的更多信息。
脚注:
1、 苹果公司于2020年10月和2020年11月使用配备Apple M1芯片,16GB RAM和256GB SSD的预生产13英寸MacBook Pro系统以及基于1.7GHz四核Intel Core i7的生产13英寸MacBook进行了测试Pro系统配备Intel Iris Plus Graphics 645、16GB RAM和2TB SSD。已在预发行版macOS Big Sur,TensorFlow 2.3,预发行版TensorFlow 2.4,具有微调功能的ResNet50V2,CycleGAN,Style Transfer,MobileNetV3和DenseNet121上进行了测试。性能测试是使用特定的计算机系统进行的,反映了MacBook Pro的大致性能。
2、 苹果公司在2020年10月和2020年11月使用生产的3.2GHz 16核基于Intel Xeon W的Mac Pro系统,32GB RAM,具有64GB HBM2的AMD Radeon Pro Vega II Duo图形和256GB SSD进行了测试。已在预发行版macOS Big Sur,TensorFlow 2.3,预发行版TensorFlow 2.4,具有微调功能的ResNet50V2,CycleGAN,Style Transfer,MobileNetV3和DenseNet121上进行了测试。性能测试是使用特定的计算机系统进行的,反映了Mac Pro的大致性能。