苹果手机加速器(加速器ios海外)

编辑:大卫·拉扬太困了

【新智元导读】果粉Big Day！PyTorch宣布，原生支持苹果Mac GPU机器学习加速。与单CPU加速相比，训练性能提升6倍，推理任务性能最高提升21倍

对于从事AI和机器学习的苹果用户来说，今天无疑是个好日子。

如果你是使用PyTorch的苹果用户，你可能会期待一年半的大日子！

就在刚刚，PyTorch官方宣布正式支持苹果Mac系统上的GPU加速训练。现在，M1芯片强大的GPU终于可以在机器学习任务中大显身手了！

作为业界应用最广泛的机器学习框架之一，PyTorch对Mac生态系统的支持长期以来并不完善。苹果平台只支持CPU加速。

Pytorch官方Twitter top放出了这个重磅消息，并给出了与之前只有CPU加速的性能提升对比。

根据对比图，ResNet50\HuggingFace BERT\VGG 16的相对性能高达21倍。

事实上，作为全球软硬件生态最完整的巨头之一，苹果当然知道GPU加速对于支持深度学习计算任务有多重要。

早在2014年，苹果就推出了兼顾图形和计算功能的底层硬件加速应用接口Metal。

Metal结合了类似OpenGL和OpenCL的功能。通过为iOS、iPadOS、macOS和tvOS上的应用程序提供对GPU硬件的低级访问来提高性能。

不过，虽然Metal经历了两次大版本更新，但对于苹果用户来说，并没有框架的原生支持。要想在主流框架下调用GPU实现加速，还是要“曲线救国”。

甚至有开发者表示，由于PyTorch对苹果GPU的支持不够好，他们一度被迫切换到TensorFlow，在TensorFlow环境下通过金属插件实现GPU加速。

最后他说，“如果苹果硅的GPU能得到pytorch的原生支持，那将是一个令人高兴的消息。期待啊！」

今天，这位网友的期待终于实现了。

PyTorch官网宣布，在与Metal engineering team合作后，很高兴宣布支持在Mac上进行GPU加速的PyTorch训练。

PyTorch表示，到目前为止，在Mac上的PyTorch训练只能使用CPU，但在PyTorch v1.12版本中，开发者和研究人员可以利用苹果硅GPU来大大加快模型训练的速度。

现在，开发者可以在Mac上执行原型设计和微调等机器学习任务流。

开发者：终于来了，盼一年多了！

其实Pytorch框架原生支持苹果GPU加速的问题已经提上开发日程一年多了。

此前有网友在Pytorch官方Github上发现了关于这个问题的问题。这期杂志于2020年11月发布，几乎与苹果M1芯片的发布同步。

然后，这个问题很快得到了Pytorch创始人Soumith的回答:有原生支持计划，决定适配M1，但开发进度未知。

但是，这件事好像没有下文了。一年多来，甚至有网友在知乎的问题帖上贴出“打卡找更好的工作”。

今天还有人在这个问题下“拍拍”回答者。过了一年多，终于没有白费。好东西！

很快，有人拿着它去测试。

VGG16和CIFAR-10的图像为224x224像素。

可以看出，相比GPU，M1 Pro的CPU训练网络的速度快了一倍。

恭喜恭喜！

往事：用Mac GPU炼丹，先装Tensorflow

事实上，在今天消息出来之前，网友们已经尝试了各种方法来解决这个问题。

有网友说:“你用我的方法，就不需要别的了。」

首先，最简单的方法就是先装一个miniconda3。之后用户需要安装Tensorflow。

然后，这位博主演示了16个GPU核心的M1 Pro的性能。

博主说，16核GPU的M1 Pro是M1的升级版。它拥有两倍的GPU核心和两倍多的内存带宽。用户可以访问大量内存，而且由于内存是CPU和GPU共享的，所以是深度学习的最佳选择。

用户不需要将张量从一个设备移动到另一个设备。此外，用户还可以获得64GB内存的配置，这是目前市面上最大的移动GPU。

结果，还不错。

不出所料，M1Pro Max比M1Pro快一倍(比GPU核心库快一倍)

知乎上也有网友尝试Tensorflow在Mac上获得原生支持的金属加速。

然而，他在代轮中遇到了问题。他通过pypi安装d2I包，存在一些依赖问题。

最终他通过在github上release安装解决了这个问题。

然后按照官方的方法安装Tensorflow的插件后，就可以获得GPU加速了。

经过测试，总体来说，M1 max以“极低”的功耗产生了不错的计算能力(训练时整机功耗约为75w)。

该网友表示，“还是勉强可以参考。」

这就开Mac跑一波训练！

在推特上，各路网友也纷纷表示欣喜。毕竟期待太久了~

Beat AI实验室前主任、助理教授李磊表示，“PyTorch终于可以支持在Mac M1GPU上训练了！该开电脑了！」

Twitter上从事数据科学和机器学习的用户表示，他们对PyTorch更感兴趣。

谷歌的工程师Rogerbai说，“我想看看PyTorch、M1 Ultra和英伟达40xx谁的速度更快。」

参考资料:

https://wandb . ai/tcapelle/Apple _ m1 _ Pro/reports/Deep-Learning-on-the-M1-Pro-with-Apple-Silicon-vmlldzoxmjq 0 njy 3

https://www . MAC rumors . com/2022/05/18/py torch-GPU-加速-训练-苹果-硅/

https://py torch . org/blog/introducing-accelerated-py torch-training-on-MAC/

https://developer.apple.com/metal/