飞扬围棋论坛

 找回密码
 注册
搜索
查看: 7910|回复: 1

谷歌TensorFlow 2.4 Mac M1优化版发布:性能提升

[复制链接]
发表于 2020-12-5 07:30 来自手机 | 显示全部楼层 |阅读模式



12-04 16:32
订阅
谷歌表示,借助 TensorFlow 2,可在跨平台、设备和硬件上实现一流的训练性能,从而使开发者、工程师和研究人员能够在他们喜欢的平台上工作。IT之家获悉,现在,TensorFlow 用户可以在搭载 Apple 全新 M1 芯片或 Intel 芯片 Mac 上的 利用 TensorFlow 2.4 Mac 优化版和新的 ML Compute 框架来加快训练速度。这些改进提升了 Apple 开发者通过 TensorFlow Lite 在 iOS 上执行 TensorFlow 的能力,继续展现了 TensorFlow 在 Apple 硬件上支持高性能 ML 执行方面的广度和深度。

Apple 近期发布了搭载全新 M1 芯片的系列 Mac 产品,如此一来,Apple 针对 Mac 优化的 TensorFlow 2.4 版能够充分利用 Mac 的强大功能并在性能上大幅提升。

ML Compute 是 Apple 的新框架,可以在 Mac 上训练 TensorFlow 模型,现在,您可以在搭载 M1 和 Intel 芯片的 Mac 上实现加速的 CPU 和 GPU 训练。

例如,M1 芯片搭载功能强大的新型 8 核 CPU 和多达 8 核 GPU,均针对 Mac 上的 ML 训练任务进行了优化。在下图中,您可以看到针对 Mac 优化的 TensorFlow 2.4 如何在搭载 M1 和 Intel 芯片的通用型号 Mac 上实现巨大的性能提升。

开始使用针对 Mac 优化的 TensorFlow

用户无需对其现有的 TensorFlow 脚本进行任何更改即可使用 ML Compute 用作 TensorFlow 和 TensorFlow 插件的后端。

首先,请访问 Apple 的 GitHub 仓库,了解如何下载和安装 Mac 优化的 TensorFlow 2.4。

在不久的将来,谷歌会将该版本集成到 TensorFlow master 分支中,使用户能更轻松地进行此类更新,从而获得这些性能数据。

您可以在 Apple 的机器学习网站上了解 ML Compute 框架细节。

【来源:IT之家】【作者:骑士】【责编:骑士】

回复

使用道具 举报

 楼主| 发表于 2020-12-5 07:35 来自手机 | 显示全部楼层
机器之心
原创
2020/11/19
你的Mac有了专用版TensorFlow,GPU可用于训练,速度最高提升7倍
你的新 Mac 可能还在路上,但苹果表示,专为 Mac 优化的 TensorFlow 版本已经做好了,训练速度最高提升到原来的 7 倍。

对于开发者、工程师、科研工作者来说,Mac 一直是非常受欢迎的平台,也有人用 Mac 训练神经网络,但训练速度一直是一个令人头疼的问题。

上周,苹果发布了搭载 Arm 架构 M1 芯片的三款新 Mac,于是就有人想问:用它们训练神经网络能快一点吗?

今天,苹果发文表示:我们专门做了一版为 Mac 用户优化的 TensorFlow 2.4 框架,M1 版 Mac 和英特尔版 Mac 都能用。这一举动有望大幅降低模型训练和部署的门槛。


此前,在 Mac 上,TensorFlow 仅支持将 CPU 用于训练,但新的 tensorflow_macos 分支利用苹果的 ML Compute,能让 GPU 也被利用起来。苹果在博客中介绍说:「我们使用了更高级别的优化方法,比如熔合层,选择合适的设备类型,将图作为原语编译、执行并由 CPU 上的 BNNS 和 GPU 上的 Metal Performance Shader 加速。」

ML Compute 是苹果公司今年推出的新框架,可用于在 Mac 上进行 TensorFlow 模型的训练。现在,无论新的 M1 版 Mac 还是旧的英特尔版 Mac,其 CPU 和 GPU 都能用来加快训练速度。

M1 芯片包含新的 8 核 CPU 和最多 8 核的 GPU,并针对 Mac 的机器学习训练任务进行了优化。下面两张图表分别展示了针对 Mac 优化后的 TensorFlow 2.4 在不同模型训练中的性能提升:


上图展示了使用 ML Compute 分别在搭载 M1 和英特尔芯片的 13 英寸 MacBook Pro 上进行机器学习训练的情况。柱形的高度代表单批次的训练时长。可以看出,优化后的 Mac 版 TensorFlow 2.4 的训练速度得到了明显提升。在换成 M1 版的新 MacBook Pro 之后,提升就更为明显了,训练速度最高提升了 7 倍。


同样使用 ML Compute,在搭载英特尔芯片的 2019 Mac Pro 上进行常见模型的训练,性能提升也相当明显。

TensorFlow 官方表示,用户不需要对现有的 TensorFlow 脚本做任何更改,就可以使用 ML Compute 作为 TensorFlow 和 TensorFlow 插件的后端。

Mac 版 TensorFlow 2.4 的详细入门指南可以参见:https://github.com/apple/tensorflow_macos

M1 版 Mac 对机器学习用户的影响

苹果曾在发布会上介绍说,M1 芯片将苹果的神经网络引擎引入了 Mac,实现了 15 倍的机器学习任务加速。该神经网络引擎有 16 个核心,每秒运算速度可达 11 万亿次。除此之外,配置了 ML 加速器的 CPU 和强大 GPU(称霸集显,媲美部分独显)也使得整个 M1 芯片的机器学习能力得到巨大提升。


图源:https://medium.com/disruptive-nerd/how-is-the-apple-m1-going-to-affect-machine-learning-2d9da1beef86

性能的提升毋庸置疑,但软件兼容也是一个很大的问题。在 M1 版 Mac 发布之后,不少开发者都在问:我的 VS Code/Docker/Juypter Notebook…… 还能在新 Mac 上用吗?

VSCode:最快月底就能做出来

在苹果发布会之后不久,微软 VS Code 团队就发文表示,「VS Code 将支持 ARM 版 Mac,11 月底可能推出首个预览版。」

Mac/ARM64 试验版地址 https://code.visualstudio.com/insiders/#osx


此外,微软还宣布将发布一款新的通用版 Mac Office 2019,支持新版苹果处理器。

Docker:在安排,但还没准备好

在 11 月 16 日的一篇博客中,Docker 的开发者表示,他们还没有准备好让 Docker 在 M1 版 Mac 上运行,在这之前还需要做很多准备。

Docker 表示,「我们 Docker 的目标是在新的 Mac 上提供与今天在 Docker Desktop for Mac 上同样出色的体验,并使这种过渡尽可能地无缝。」「为我们的客户打造合适的体验意味着在我们推送一个版本之前,要把不少事情做好。虽然苹果已经发布了 Rosetta 2 转译器,以帮助将应用程序转移到新的 M1 芯片上,但这并不能让我们与 Docker Desktop 一路同行。」


至于 Juypter Notebook 等软件,目前还没有官方消息放出。不过,随着苹果不断将生态打通,正在有越来越多的软件开发商表示将开发适配 M1 版 Mac 的新产品。

参考链接:
https://machinelearning.apple.com/updates/ml-compute-training-on-mac
https://medium.com/disruptive-nerd/how-is-the-apple-m1-going-to-affect-machine-learning-2d9da1beef86
https://www.docker.com/blog/apple-silicon-m1-chips-and-docker/

回复 支持 反对

使用道具 举报

您需要登录后才可以回帖 登录 | 注册

本版积分规则

小黑屋|Archiver|手机版|飞扬围棋网 ( 苏ICP备11029047号-1 )

GMT+8, 2024-3-29 19:13 , Processed in 0.120999 second(s), 19 queries .

since 2003飞扬围棋论坛 Licensed

© 2001-2013 Comsenz Inc.

快速回复 返回顶部 返回列表