通过 TensorFlow 2 在各种不同的平台、设备和硬件上提供一流的训练性能，使开发人员、工程师和研究人员能够在他们喜欢的平台上工作。TensorFlow 用户现在可以在搭载 Intel CPU 的 Mac 或搭载 Apple 新芯片 M1 的 Mac 上使用 TensorFlow 2.4 Mac 优化版 和新的 ML Compute（机器学习计算）框架进行加速训练。这些改进，加上 Apple 开发人员可以通过 TensorFlow Lite 在 iOS 上执行 TensorFlow，继续展示了 TensorFlow 在 Apple 硬件上支持高性能机器学习执行的广度和深度。
使用 ML Compute 在 Mac 上的性能
Mac 一直是开发人员、工程师和研究人员所喜爱的平台。随着 Apple 上周宣布 推出一系列采用新芯片 M1 的 Mac 计算机，TensorFlow 2.4 Mac 优化版充分利用了 Mac 的全部能力，在性能上有了巨大的飞跃。
ML Compute 是 Apple 推出的新框架，它支持在 Mac 上进行 TensorFlow 模型的训练，现在你可以在搭载 M1 或 Intel CPU 的 Mac 计算机上利用加速的 CPU 和 GPU 进行训练。
例如，M1 芯片包含了一个强大的新 8 核 CPU 和多达 8 核的 GPU，这些都是针对 Mac 计算机上的机器学习训练任务而优化的。在下面的图表中，你可以看到 TensorFlow 2.4 Mac 优化版在流行的搭载 M1 和 Intel CPU 的 Mac 上如何实现巨大的性能提升的。
在搭载 M1 和 Intel CPU 的 13 英寸 MacBook Pro 上，使用 ML Compute 的常见机型的训练效果以秒为单位显示，数字越小表明训练时间越短。
在搭载 Intel CPU 的 MacPro 2019 款上使用 ML Compute 对常见机型的训练效果以秒为单位显示，数字越小表明训练时间越短。
TensorFlow Apple Mac 优化版入门
用户无需对现有的 TensorFlow 脚本进行任何更改，就可以使用 ML Compute 作为 TensorFlow 和 TensorFlow 插件的后端。
首先，请访问 Apple 的 GitHub 仓库，了解如何下载并安装 TensorFlow 2.4 Apple Mac 优化版分叉（fork）的说明。
在不久的将来，Apple 将通过分叉版本集成到 TensorFlow 主分支 中，使这样的更新更容易让用户获得这些性能数据。
你可以在 Apple 的机器学习网站上了解更多关于 ML Compute 框架的信息。
原文链接：
https://blog.tensorflow.org/2020/11/accelerating-tensorflow-performance-on-mac.html
Java 避坑指南：Java 高手笔记代码篇
本迷你书包括 86 个业务开发中常见踩坑点。每一个知识点都相当的实用，是程序员业务开发中的必备避坑指南...
评论