tensorflow测试_在Mac上加速TensorFlow性能

这是一篇简单介绍在Mac利用最新M1处理器回事TensorFlow模型训练的文章，作者应该是google的人，但文章中引用的 github 仓库来自苹果公司。
原文链接： https:// blog.tensorflow.org/202 0/11/accelerating-tensorflow-performance-on-mac.html

借助TensorFlow 2，可在各种不同的平台，设备和硬件上提供一流的培训性能，从而使开发人员，工程师和研究人员可以在其首选的平台上工作。现在，使用苹果公司针对Mac进行优化的TensorFlow 2.4版本和新的ML Compute框架，使用Intel Mac或采用Apple新型M1芯片的Mac上的TensorFlow用户可以利用加速培训的优势。这些改进与Apple开发人员能够通过TensorFlow Lite在iOS上执行TensorFlow的能力相结合，继续展示了TensorFlow在支持Apple硬件上的高性能ML执行方面的广度和深度。

使用ML Compute在Mac上的性能

Mac一直是开发人员，工程师和研究人员的流行平台。随着苹果公司上周发布的公告，其中包含更新的Mac阵容，其中包含新的M1芯片，Apple的Mac优化版本的TensorFlow 2.4充分利用了Mac的全部功能，从而极大地提高了性能。

ML Compute是苹果公司的新框架，可直接在Mac上为TensorFlow模型提供培训，现在，您可以利用在M1和Intel驱动的Mac上加速的CPU和GPU培训。

例如，M1芯片包含一个功能强大的新型8核CPU和多达8核GPU，它们针对Mac上的ML训练任务进行了优化。在下面的图表中，您可以看到Mac优化的TensorFlow 2.4如何在具有流行型号的M1和Intel驱动的Mac上实现巨大的性能提升。

批次以秒为单位显示在M1上使用ML Compute以及对英特尔支持的13英寸MacBook Pro的常见型号的培训影响，数字越小表明培训时间越短。

英特尔支持的2019 Mac Pro上使用ML Compute对常见模型的培训影响以秒为单位显示，每批显示秒数，数字越小表明培训时间越短。

Mac优化的TensorFlow入门

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

首先，请访问Apple的GitHub存储库，以获取下载和安装Mac优化的TensorFlow 2.4分支的说明。

在不久的将来，我们会将分叉版本集成到TensorFlow master分支中，使用户更容易获得这样的更新，从而获得这些性能指标。

您可以在Apple的机器学习网站上了解有关ML Compute框架的更多信息。

脚注：
1、 苹果公司于2020年10月和2020年11月使用配备Apple M1芯片，16GB RAM和256GB SSD的预生产13英寸MacBook Pro系统以及基于1.7GHz四核Intel Core i7的生产13英寸MacBook进行了测试Pro系统配备Intel Iris Plus Graphics 645、16GB RAM和2TB SSD。已在预发行版macOS Big Sur，TensorFlow 2.3，预发行版TensorFlow 2.4，具有微调功能的ResNet50V2，CycleGAN，Style Transfer，MobileNetV3和DenseNet121上进行了测试。性能测试是使用特定的计算机系统进行的，反映了MacBook Pro的大致性能。
2、 苹果公司在2020年10月和2020年11月使用生产的3.2GHz 16核基于Intel Xeon W的Mac Pro系统，32GB RAM，具有64GB HBM2的AMD Radeon Pro Vega II Duo图形和256GB SSD进行了测试。已在预发行版macOS Big Sur，TensorFlow 2.3，预发行版TensorFlow 2.4，具有微调功能的ResNet50V2，CycleGAN，Style Transfer，MobileNetV3和DenseNet121上进行了测试。性能测试是使用特定的计算机系统进行的，反映了Mac Pro的大致性能。