👇👇关注后回复 “进群” ，拉你进程序员交流群👇👇

---

  新智元报道  

编辑：David 拉燕 好困

【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

对于搞AI和机器学习的苹果用户来说，今天无疑是个好日子。

 

如果是用PyTorch的苹果用户，可能更是盼了一年半的大日子！

 

刚刚，PyTorch官宣，在苹果Mac系统上正式支持GPU加速训练。现在，M1芯片强悍的GPU终于可以在机器学习任务上大展身手了！

 

 

作为业界应用最广泛的机器学习框架之一，PyTorch在之前很长一段时间内对于Mac系生态的支持一直不太完善。在苹果平台上仅支持CPU加速。

 

Pytorch官方推特置顶发布了这条重磅消息，并给出了与之前仅CPU加速的性能提升对比。

 

从对比图上看，在ResNet50\HuggingFace BERT\VGG 16几个主流数据集上，相对性能提升最高达到21倍。

 

 

实际上，作为全球软硬件生态最完善的巨头之一，苹果当然懂得GPU加速对深度学习计算任务的支持有多重要。

 

早在2014年，苹果就推出了兼顾图形与计算功能，面向底层的硬件加速应用接口 Metal。

 

 

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

 

不过，虽然Metal经历两次大的版本更新，但对于苹果用户来说，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」。

 

有开发者甚至表示，因为PyTorch对苹果GPU的支持不够好，自己一度被迫转用TensorFlow，在TensorFlow环境下通过Metal插件实现GPU加速。

 

 

最后他表示，「若Apple Silicon的GPU能获得pytorch的原生支持，将是一个让人欣喜的消息。期待！」

 

今天，这位网友的期待终于成真了。

 

 

PyTorch官网宣布，在与Metal工程团队合作后，很高兴地宣布支持Mac上的GPU加速的PyTorch训练。

 

PyTorch称，到目前为止，Mac上的PyTorch训练只能利用CPU，但在PyTorch v1.12版本，开发人员和研究人员可以利用Apple Silicon GPU的优势，大大加快模型训练。

 

现在，开发者可在Mac上就地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！

实际上，关于Pytorch框架原生支持苹果GPU加速的问题，早在一年多以前就已经提上了开发日程。

 

之前就有网友在Pytorch的官方Github上找到了关于这个问题的issue，问题发布于2020年11月，与苹果M1芯片的推出几乎同步。

 

 

然后，这个问题很快就获得了Pytorch创始人Soumith的回复：已有原生支持计划，决定适配M1，但开发进度未知。

 

 

不过这事儿到此好像没了下文，一年多来，甚至有网友在知乎的问题帖下「打卡求更」。

 

 

今天，还有人来这个问题下「拍了拍」这位答主，一年多的时间，总算是没白等啊，好事好事！

 

 

很快，就有人拉去测试了。

 

VGG16，CIFAR-10图像为224x224像素

 

可以看出，M1 Pro的CPU和GPU相比，后者训练网络的速度达到了原来的两倍。

 

可喜可贺，可喜可贺！

 

往事：用Mac GPU炼丹，先装Tensorflow

其实，今天这个消息出来之前，网友们就已经尝试过各种各样的办法来解决这个问题。

 

有网友表示，「用了我的办法，就不需要别的了。」

 

首先，最简单的办法就是，先安装一个miniconda3。在此之后，用户需要安装Tensorflow。

 

然后，这位博主展示了有16个GPU核心的M1 Pro的性能。

 

该博主表示，16核GPU的M1 Pro是M1的升级版。它具有两倍的GPU内核和两倍多的内存带宽。用户可以访问大量内存，而因为内存由CPU和GPU共享，所以这是深度学习的最佳选择。

 

用户不需要将Tensor从一个设备移动到另一个设备。另外，用户还能得到64GB内存的配置，它这算得上是目前市场上最大的移动GPU了。

 

结果来看，还不错。

 

 

就像预期的那样，M1Pro Max的速度是 M1Pro 的两倍（GPU 核心库的两倍）

 

知乎上有网友也尝试了Tensorflow来在Mac上获得原生支持的Metal加速。

 

但是，在wheel生成上，他遇到了问题。他通过pypi安装d2I包，出现了一些依赖问题。

 

最终，他通过在github上的release进行安装，解决了这个问题。

 

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

 

经过测试，总体来看M1 max以「极低」的功耗（在训练时整机功耗75w左右）产生了不错的算力。

 

该网友表示，「用作调参还是勉强可用的。」

 

这就开Mac跑一波训练！

 

在推特上，各路网友也是表达了自己的喜悦。毕竟，已经期待太久了~

 

 

前节跳动AI实验室总监，UCSB助理教授李磊就表示，「PyTorch终于能支持在Mac M1GPU上训练了！是时候把电脑打开了！」

 

 

推特上搞数据科学和机器学习的网友表示，这下对PyTorch更感兴趣了。

 

 

谷歌云的工程师rogerbai表示，「我倒是想看看M1 Ultra和英伟达40xx在PyTorch上谁的速度更快。」

 

参考资料： 

https://wandb.ai/tcapelle/apple_m1_pro/reports/Deep-Learning-on-the-M1-Pro-with-Apple-Silicon---VmlldzoxMjQ0NjY3

https://www.macrumors.com/2022/05/18/pytorch-gpu-accelerated-training-apple-silicon/

https://pytorch.org/blog/introducing-accelerated-pytorch-training-on-mac/

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

-End-

最近有一些小伙伴，让我帮忙找一些 面试题 资料，于是我翻遍了收藏的 5T 资料后，汇总整理出来，可以说是程序员面试必备！所有资料都整理到网盘了，欢迎下载！

点击👆卡片，关注后回复【面试题】即可获取

在看点这里好文分享给更多人↓↓