Apple釋出專為Mac最佳化的TensorFlow 2.4版本,經實驗證實,使用最佳化的版本,無論是在MacBook Pro還是Mac Pro上,訓練工作負載中每批次執行時間,都比使用TensorFlow 2.3還要短,而且在使用Apple自家M1晶片的Mac,執行TensorFlow 2.4工作負載,效能要比使用英特爾晶片的Mac高出不少。
深度學習函式庫TensorFlow 2,可讓開發者在不同的平臺、裝置和硬體上,訓練機器學習模型,而Apple現在專門針對Mac,釋出最佳化TensorFlow版本和新的機器學習運算框架(ML Compute Framework),使得Mac上模型訓練工作能夠更加快速。
新加入的機器學習運算框架,可以利用Mac的硬體,來加速模型訓練工作負載,無論是使用搭載M1和英特爾晶片的Mac,都能獲得效能提升,官方提到,特別是M1晶片中擁有高達8核CPU和8核GPU,更可極大程度提升訓練效能。
M系列晶片為Apple Silicon其中一個系列,從iPhone 4開始,Apple就開始採用基於Arm架構,自己設計的A4晶片,此後包括AirPods、Apple Watch和HomePod,也都是使用Apple晶片,而在2020年6月,Apple執行長Tim Cook在Apple全球開發者大會上宣布,啟動Mac晶片搬遷計畫,Mac系列電腦在兩年內,將從英特爾公司的處理器,改為使用Apple自己設計的晶片。
在11月剛結束不久的線上發表會,Apple發表了M系列晶片,以及該系列第一款晶片M1,同時也推出新款使用M1晶片的Mac產品。M1除了擁有多顆運算核心之外,還在單一晶片上整合多種技術,且具備統一記憶體架構,可大幅改善效能,是目前第一款以5奈米製程生產的個人電腦晶片,而這幾天使用M1晶片的新Mac評測不斷出爐,無論是在效能還是電池續航力,都獲得了極高的評價。
官方使用TensorFlow 2.4進行實驗,發現TensorFlow 2.4在Mac上效能,的確較TensorFlow 2.3好,而M1晶片的表現也比英特爾晶片還要好。結果顯示M1晶片在機器學習領域,似乎也有很大的發展空間。
在2020最新使用英特爾晶片的MacBook Pro上,執行TensorFlow 2.3和經最佳化的TensorFlow 2.4,在Style Transfer以及DenseNet121等工作負載,TensorFlow 2.4版本每批次執行秒數都明顯較低,而在使用M1晶片的MacBook Pro執行TensorFlow 2.4,比起英特爾的MacBook Pro的效能,更是快上好幾倍。
在Mac Pro的比較上,由於尚未有M1晶片的機型,因此是以2019年使用英特爾晶片的Mac Pro,分別執行TensorFlow 2.3和經最佳化的TensorFlow 2.4進行比較,而結果也顯示TensorFlow 2.4帶來大量的效能提升,甚至在DenseNet121等模型,效能提升超過10倍。
官方提到,開發者不需要更改現有TensorFlow腳本,就能使用新加入的機器學習運算框架,機器學習運算框架會以TensorFlow的後端,或是擴充套件的形式運作。開發者現在就可以在Apple的GitHub儲存庫中,下載Mac最佳化的TensorFlow 2.4分支,之後TensorFlow官方會在主要分支中,合併Apple的版本,開發者將更容易獲取更新和使用,為Mac最佳化的功能。
熱門新聞
2024-10-05
2024-10-07
2024-10-07
2024-10-05
2024-10-04
2024-10-04
2024-10-04
2024-10-05