数据学习
登录
注册
原创博客
期刊会议
学术世界
期刊出版社
领域期刊
SCI/SCIE/SSCI/EI简介
期刊列表
会议列表
所有期刊分区
学术期刊信息检索
JCR期刊分区查询
CiteScore期刊分区查询
中科院期刊分区查询
领域期刊分区
管理 - UTD24期刊列表
管理 - AJG（ABS）期刊星级查询
管理 - FMS推荐期刊列表
计算机 - CCF推荐期刊会议列表
高校期刊分区
南大核心（CSSCI）
合工大小核心
合工大大核心
AI资源仓库
AI领域与任务
AI研究机构
AI学术期刊
AI论文快讯
AI预训练模型
AI数据集
AI开源工具
数据推荐
网址导航
我的网址导航
程序员必备网站
PyTorch终于支持苹果的M1芯片了！
标签：
#pytorch#
#苹果#
时间：2022/05/19 22:52:17
作者：小木
自从苹果发布M1系列的自研芯片开始，基于ARM架构的电脑处理器开始大放异彩。而强大的M1芯片的能力也让很多Mac用户高兴很久。而就在现在，M1也开始支持PyTorch的深度学习框架了。PyTorch官网刚刚宣布，经过和Apple的Metal工程师队伍的合作，PyTorch支持Mac的GPU加速了。 <center></center> <center></center> 使用苹果公司的Metal Performance Shaders（MPS）作为PyTorch的后端，可以实现加速GPU训练。MPS后端扩展了PyTorch框架，提供了在Mac上设置和运行操作的脚本和功能。MPS通过针对每个Metal GPU系列的独特特性进行微调的内核来优化计算性能。新设备在MPS图形框架和MPS提供的调整内核上映射机器学习计算图形和基元。 <center></center> <center></center> 如上图所示，相比较CPU训练和评估而言，GPU的训练速度明显快很多。 不过，可惜的是并不是所有的PyTorch操作目前都可以支持，例如flip、indexing操作貌似都不行。不过，不管怎么说，如果继续合作的化，那么以后PyTorch可能会在苹果软硬件上有更好的表现了。 其实，与X86架构的处理器相比，ARM本身在图形处理、日常工作中的能力早就可以支撑很好了。不过，由于Windows等生产力工具的限制，尽管CPU的硬件性能没问题，但是缺乏好的生态依然难以让ARM在很多领域发挥价值。包括华为之前发布的基于ARM芯片的电脑，如果无法将操作系统和软件生态一起打包让消费者接受，其实很难获取成功的。
相关博客
最热博客