炼丹速度×7！你的Mac电脑也能在PyTorch训练中用GPU加速了

"融合",在关注之后, 把你拉进程序员的小组?

作为源的量位( ID: QbitAI)

丰色 发自 凹非寺

https://mp.weixin.qq.com/s/TMreqcWsvu-EOB1qEgg6Kg

Pytoch以前只支持使用CPU进行Mac培训。

Pytoch的最新版本,v1.12, 现在根据该公司的官方发布, 能够让GPU加速加速。

只要麦克有M1芯片

这意味着Pytochirch "Pytoch" 将更容易在Mac上使用。

培训速度大约是培训速度的七倍。

Pytoch与苹果金属工程队合作开发了这一功能。

它使用苹果的金属性能形状(MPS)作为PyTorrch的后端,启动GPU加速训练。

MPS 微调每个内核与金属 GPU 组的具体特性之间的关系,以提高计算性能。

金属是一个类似于 OpenGL 的框架, Alalbepet OpenGL 侧重于移动终端 GPU 生成和计算系统,但金属专门用于iOS/Macos平台,尽管使用速度和方便程度也被视为OpenGL 类似框架的目标,而albeit OpenGL 则侧重于移动终端 GPU 生成和计算系统,但金属专门用于iOS/Macos平台,尽管也考虑了性能和使用便利性。

MPS是一个基于金属的矩阵,直接要求雇用高性能的GPU用于视觉处理、创建咖喱神经网络等等。

苹果公司正式用M1Ultra、20个核CPU、64个核GPU、128GBRAM和2TBSSD测试了麦克工作室。

(这是几乎豪华的装置)

他们使用128 ResNet50的渔获量,64 Hugging Face Bert的蝙蝠尺寸,64 VGG16的蝙蝠尺寸。

如下图所示,利用GPU可能比使用CPU加快大约七倍于示范培训,评估(评估)最多可达20倍。

有些网络用户开始问, 与Nvidia GPU机上的笔记本电脑相比,

虽然M1的最初计算性能尚不等同于英国 Weida的计算性能,但据认为在努力方面是不错的,预期未来的苹果会赶上性能。

总而言之,Mac Studio现在似乎状况良好。

他进一步解释道：

毕竟,它是最便宜的4 800美元的机器, 拥有128GB的 GPU 内存。 现在有基于 GPU 加速的 PyTorrch 支持。 它可以被充分利用来训练巨型模型和设置大型蝙蝠尺寸的大型喷射器。 它是最便宜的4 800美元的机器, 有128GB的 GPU 内存。 现在有基于 GPU 加速的 PyTorrch 支持, 可以被充分利用来训练巨型模型和配置大型蝙蝠尺寸。

由于我从事的 DL 工作类型, 数据加载更有可能成为瓶颈 而不是真正的 CPU 能力。 我不知道我该怎么办 。

你心动了吗？

现在就试试？

只需确保您的 Macos 操作系统在 12 中, 释放 3 或更高, 并且您在从网站下载当前 Pytorch 预览之前, 安装了一个 手臂 64 原型 Python 。

地址：
https://pytorch.org/blog/introducing-accelerated-pytorch-training-on-mac/

-End-

我找了几个人帮我确定一些面试问题, 我翻了5T收藏,整理了它, 所以这是个程序员的采访。所有的东西都可以在互联网上查阅。谢谢您下载!

继续点击? Card。 面试题 】即可获取

在看点这里更多的个人将从这张纸中受益。