TensorFlow为新旧Mac提供新版本，速度最高提升7倍新Mac推出不到两周，谷歌就做出了Mac优化版TensorFlow，训练速度最高可提升7倍.对于开发者、工程师和科研人员来说，Mac一直是一个非常受欢迎的平台，也有人用Mac来训练神经网络，但训练速度一直是个让人头疼的问题。上周，苹果发布了三款采用基于Arm的M1芯片的新Mac，有人想知道：用它们训练神经网络会更快吗？今天，主流机器学习框架TensorFlow发文称：我们特地做了一个针对Mac用户优化的TensorFlow2.4框架版本，可以在M1Mac和IntelMac上使用。此举有望显着降低模型训练和部署的障碍。以前，在Mac上，TensorFlow仅支持使用CPU进行训练，但新的tensorflow_macos分支利用Apple的MLCompute也允许使用GPU。Apple在一篇博文中表示：“我们使用更高级别的优化方法，例如融合层，选择合适的设备类型，将图形编译为原语，执行它，并在CPU上通过BNNS和在CPU上的MetalPerformanceShader进行加速。图形处理器……”MLCompute是苹果今年推出的新框架，可以用来在Mac上训练TensorFlow模型，现在无论是新的M1Mac还是旧的IntelMac的CPU和GPU都可以用来加速训练。芯片包括一个新的8核CPU和最高8核GPU，针对Mac上的机器学习训练任务进行了优化。下面两张图展示了针对Mac优化的TensorFlow2.4在不同模型训练中的性能提升：上图展示了使用MLCompute在分别搭载M1和Intel芯片的13寸MacBookPro上进行机器学习训练，柱状图的高度代表单个batch的训练时间，可以看出优化后的TensorFlow2.4的训练速度forMac有了明显提升，换用新MacBookPro的M1版本后，提升更加明显，训练速度提升高达7倍。同样在搭载Intel芯片的2019款MacPro上使用MLCompute训练常用模型，性能提升也相当明显。TensorFlow官方表示，用户无需对现有的TensorFlow脚本进行任何更改，即可使用MLCompute作为TensorFlow和TensorFlow插件的后端。TensorFlow2.4forMac的详细介绍指南可以在：https://github.com/apple/tensorflow_macosM1Mac对机器学习用户的影响苹果曾在发布会上表示，M1芯片引入了苹果的神经网络引擎到Mac，实现了15倍的机器学习任务加速。神经网络引擎拥有16个核心，每秒可执行11万亿次运算。此外，配置了ML加速器的CPU和强大的GPU（集成显卡占优，媲美部分独立显卡）也极大提升了整个M1芯片的机器学习能力。来源：https://medium.com/disruptive-nerd/how-is-the-apple-m1-going-to-affect-machine-learning-2d9da1beef86性能提升毋庸置疑，但软件兼容性也是一个问题大问题。M1版Mac发布后，很多开发者都在问：我的VSCode/Docker/JuypterNotebook...还能在新Mac上使用吗？VSCode：最快月底就能做出来苹果发布会后不久，微软VSCode团队发文称，“VSCode将支持Mac的ARM版本，首个预览版可能会推出在十一月底。”Mac/ARM64试用版地址https://code.visualstudio.com/insiders/#osx此外，微软还宣布将发布全新通用版MacOffice2019，支持新版苹果处理器。Docker：已安排，但尚未准备好在11月16日的一篇博文中，Docker的开发人员表示，他们尚未准备好让Docker在M1Mac上运行，在此之前还有很多工作要做。“我们在Docker的目标是在新Mac上提供与我们今天在DockerDesktopforMac上相同的出色体验，并尽可能无缝地实现这种过渡，”Docker说。“为我们的客户打造正确的体验意味着这意味着在我们发布新版本之前有很多事情要做。虽然苹果已经发布了Rosetta2转换器来帮助将应用程序移植到新的M1芯片，但这并没有让我们一直用DockerDesktop。”至于JuypterNotebook等软件，目前还没有官方消息，不过随着苹果不断开放生态，越来越多的软件开发者表示会开发适配M1版Mac的新产品。
