杂记-Macbook Pro M1芯片能玩深度学习吗？

ゝ一纸荒年。 2022-12-23 03:17 1387阅读 0赞

## 介绍 ##

苹果公司在2020年11月的产品发布会中展示了有史以来第一款基于Apple自研M系列处理器的Apple三款新Mac，包括新的M1 MacBook Air，M1 MacBook Pro和M1 Mac mini。  
![在这里插入图片描述][20201121194111974.png_pic_center]

Apple M1 芯片是首款专为 Mac 打造的 SoC 芯片。它封装了数量惊人的 160 亿个晶体管，而且将中央处理器、图形处理器、各种连接功能、其他重要组件和控制器统统集成在同一块小小的芯片上。M1 芯片由 Apple 自主设计，为 Mac 带来强大的性能、量身打造的技术，以及出类拔萃的能效。

MacBook Pro 配备的 M1 芯片具有 8 核中央处理器和 8 核图形处理器，与上一代相比，中央处理器速度最高提升至 2.8 倍¹，图形处理器速度最高提升至 5 倍。

至于电池寿命，MacBook Air将宣传15个小时的无线网络冲浪和18个小时的电影播放。不确定是否会有所不同，但是只有时间才能证明Youtube上的某人对其进行测试。至于MacBook Pro，其电池续航时间为无线上网17小时和Apple TV应用电影播放20小时。我不认识你，但是20个小时真是令人难以置信。

## M1架构 ##

新的M1架构使用最新的5nm技术制成。该处理器内置1个CPU，1个GPU，1个神经引擎和DRAM单元。由于RAM内置在处理器中，因此所有组件都访问同一内存。这是什么意思？现有PC设置基本是将CPU GPU和内存分开，CPU进程或线程处理的数据存储在内存中，但是AI工作需要利用GPU进行并行高效运算，需要将内存中的数据转存到GPU显存中，在处理完以后再转存回内存中，或再由CPU进行数据后处理，这种数据处理方式简单粗暴，便于PC设置，但是对于开发者而言，这种内存和显存数据的转存实际上是非常反常规的！  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pvcmdfemhhbw_size_16_color_FFFFFF_t_70_pic_center]

这次Apple带来的革新，应该是由iPad中的A系列芯片研发成果延续而来，M系列芯片将内存整合进芯片，所以这里的内存Apple称之为“统一内存”，CPU和GPU能够直接从统一内存读存数据，这大大提高了数据处理效率！

Apple没有宣称任何CPU速度，但是，在gadgets.ndtv.com上发布的Geekbench列表中发布的基本频率为3.2GHz，高于16英寸Macbook Pro中的Intel Core i9-9880H处理器的基本频率。  
让我们比较一下新M1处理器的一些Geekbench得分。  
![在这里插入图片描述][20201121200251144.png_pic_center]

比较4种非常流行的CPU的结果，Apple M1的性能均胜过所有CPU，甚至单核得分也轻松超过了16英寸Macbook Pro中的i9处理器。直到进入多核平台，才看到其他处理器（尤其是AMD处理器）对M1的碾压。

## 这一切对机器学习或深度学习意味着什么？ ##

首先，由于在将数据从CPU RAM传输到GPU RAM方面没有延迟，因此在CPU和GPU之间共享RAM应该会提高性能。至于单核分数与多核分数，大多数数据预处理库都没有利用处理器中的多核。因此，多核分数对数据预处理的作用很小。具有更好的单核分数将在数据预处理方面做得更好。

### 显卡 ###

集成GPU是8核GPU，可以同时执行25,000个线程。苹果声称达到了2.6 TFLOPS（FP32），是“世界上个人计算机中集成速度最快的图形”。可以肯定的是，这对于集成GPU来说是令人印象深刻的，但是作为数据科学家，我们对整体性能很感兴趣。  
让我们看看其他一些比较。  
![图片发布][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pvcmdfemhhbw_size_16_color_FFFFFF_t_70_pic_center 1]

从这些值来看，它可能会很好地用于视频处理，图像处理，Apple Arcade或游戏。带有RTX 2080 Super的Razer Blade Pro 17之类的设备达到了11.2 TFLOPS。但是，Apple在M1中还添加了集成到处理器中的神经引擎，专门用于提高机器学习效率。

### 神经引擎 ###

M1处理器还带来了苹果公司业界领先的神经引擎，该引擎专门为机器学习过程而设计。神经引擎先前已被添加到iPad和iPhone的A系列处理器中，但到目前为止尚未在Mac上使用。  
苹果在其新的16核神经引擎上宣称11 TOPS（每秒万亿次操作）。  
![图片发布][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pvcmdfemhhbw_size_16_color_FFFFFF_t_70_pic_center 2]

11 TOPS？它们是11 TFLOPS吗？如果它是11 TFLOPS，那么它可能是该领域传统Nvidia/AMD值得注意的竞争对手。不仅会获得可与RTX 2080 Super相媲美的GPU，而且电池寿命为18–20小时。  
Amazing！

对此的另一个想法是，某些ML框架是否可以利用GPU和神经引擎两者来训练和执行推理???

### Apple M1和软件支持 ###

现在让我们谈谈软件支持。我的问题是：  
M1是否可以与某些最常用的软件一起使用？（例如，Python，VSCode，Jetbrains，Anaconda，Excel，Juypter Notebooks）

*  **Python**  
    Apple Silicon使用基于ARM的指令集体系结构，Python已经在许多其他平台上运行，包括ARM，MIPS，PowerPC，i386和x86–64，Python应该没有问题。
 *  **Juypter笔记本**  
    目前尚不清楚Juypter笔记本是否可以与Apple M1处理器一起使用。我发现一个使用docker在ARM体系结构上运行juypter笔记本的链接：  
    [https://github.com/vladmarica/jupyter-notebook-docker-arm][https_github.com_vladmarica_jupyter-notebook-docker-arm]
 *  **VSCode**  
    微软在Twitter上宣布2020年11月10日，他们正在VSCode为苹果M1通用版本。我专门去看看了下，VSCode已经发布了Mac下的ARM64位版本，下载地址：  
    [https://code.visualstudio.com/insiders/\#osx][https_code.visualstudio.com_insiders_osx]
 *  **Microsoft Excel**  
    微软还在2020年11月11日宣布，它将发布其Mac Office 2019 Beta的新通用版本，该版本支持新的Apple M1处理器。事实上，埃里克·施维伯特（Erik Schwiebert）在Twitter上宣布，微软当天在Beta通道上发布了Beta版本。但是，他们没有宣布任何公开发布日期。
 *  **M1是否与ML框架（即Tensorflow，Scikit-Learn，Keras等）一起使用？**  
    在Apple M1活动上，Apple提到了对Tensorflow的支持，我尚未找到有关该主张的任何细节。Tensorflow框架是为x86\_64架构和Nvidia GPU构建的，没有其他针对ARM或Apple M1体系结构的构建。  
    有人说可以利用Apple Converter从Tensorflow模型执行推理，这里是指向有关从TF模型转换为CoreML的文章的[链接][Link 1]。另一些人则认为他们指的是Tensorflow中的Swift。
 *  **Scikit学习**  
    Scikit-learn是否可以与Apple M1一起使用？我认为简短的答案可能是？？？因此，我们知道Python将可用于M1的ARM体系结构，而Scikit-learn不会利用或使用GPU支持。因此，从理论上讲，Scikit-learn应该适用于Apple M1。

## 小记 ##

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pvcmdfemhhbw_size_16_color_FFFFFF_t_70_pic_center 3][]  
**一句话，我没买呢，没法验证啊，哈哈哈哈哈哈哈**  
**一句话，我没买呢，没法验证啊，哈哈哈哈哈哈哈**  
**一句话，我没买呢，没法验证啊，哈哈哈哈哈哈哈**  
**一句话，我没买呢，没法验证啊，哈哈哈哈哈哈哈**  
**一句话，我没买呢，没法验证啊，哈哈哈哈哈哈哈**  
**一句话，我没买呢，没法验证啊，哈哈哈哈哈哈哈**

[20201121194111974.png_pic_center]: /images/20221120/e59b1a04f90d4becadaa2c971de23d10.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pvcmdfemhhbw_size_16_color_FFFFFF_t_70_pic_center]: /images/20221120/6eb78b4b3c0b4261af6643e4008babfe.png
[20201121200251144.png_pic_center]: https://img-blog.csdnimg.cn/20201121200251144.png#pic_center
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pvcmdfemhhbw_size_16_color_FFFFFF_t_70_pic_center 1]: https://img-blog.csdnimg.cn/20201121200436501.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pvcmdfemhhbw==,size_16,color_FFFFFF,t_70#pic_center
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pvcmdfemhhbw_size_16_color_FFFFFF_t_70_pic_center 2]: https://img-blog.csdnimg.cn/20201121200553691.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pvcmdfemhhbw==,size_16,color_FFFFFF,t_70#pic_center
[https_github.com_vladmarica_jupyter-notebook-docker-arm]: https://github.com/vladmarica/jupyter-notebook-docker-arm
[https_code.visualstudio.com_insiders_osx]: https://code.visualstudio.com/insiders/#osx
[Link 1]: https://www.inovex.de/blog/tensorflow-models-with-core-ml/
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pvcmdfemhhbw_size_16_color_FFFFFF_t_70_pic_center 3]: https://img-blog.csdnimg.cn/20201121201457835.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pvcmdfemhhbw==,size_16,color_FFFFFF,t_70#pic_center