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ResNet50HuggingFace BERTVGG 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/
