借助全新 M1 芯片提供支持的 Mac，以及 macOS Big Sur 提供的 ML Compute 框架，可以在 Mac 上进行神经网络训练，以实现性能的巨大飞跃。ML Compute 框架提供了优化的数学库，以改善基于 Intel 和M1 的 Mac 上对 CPU 和 GPU 的训练。

深度学习框架 TensorFlow 和 PyTorch 支持 CUDA 工具包来加速 NVIDIA 的 GPU，但具有设置困难或缺少对低级 TensorFlow API 支持等缺点，苹果的 M1“片上系统”，不仅包含内置 GPU，而且还包含了16核“神经引擎”，每秒可支持11万亿次操作，可将机器学习计算提高15倍。

ML Compute 框架通过优化图形本身并通过加速库（例如，用 CPU 上的 BNNS 和 GPU 上的Metal Performance Shaders 进行加速）来优化图形并执行其图元，从而提高了基于计算图的深度学习库（例如TensorFlow）的性能。为充分利用 ML Compute，Apple 提供了针对该平台的 TensorFlow 2.4，在多个神经网络基准测试中对优化的 TensorFlow 库进行测试对比发现，使用的 TensorFlow 深度学习库可将训练时间提高7倍以上。

原文链接

内容中包含的图片若涉及版权问题，请及时与我们联系删除