不止CPU，苹果M1Mac现已支持在PyTorch训练中用G

　　感谢IT之家网友末6的线索投递！
　　一直以来，Pytorch在Mac上仅支持使用CPU进行训练。就在刚刚，Pytorch官方宣布，其最新版v1。12可以支持GPU加速了。只要是搭载了M1系列芯片的Mac都行。
　　这也就意味着在Mac本机用Pytorch炼丹会更方便了！训练速度可提升约7倍
　　此功能由Pytorch与Apple的Metal工程团队合作推出。它使用Apple的MetalPerformanceShaders（MPS）作为PyTorch的后端来启用GPU加速训练。
　　为了优化计算性能，MPS还针对MetalGPU系列的独特特性对每个内核进行了微调。Metal是一个类似OpenGL的框架，只不过OpenGL适用于各平台的移动端GPU渲染和计算，Metal专用于iOSMacOS平台，不过也兼顾了性能和易用性。
　　MPS就是一套基于Metal框架的库，直接调用即可使用GPU的高性能进行图形处理、构建卷积神经网络等工作。
　　苹果官方在搭载了M1Ultra、20核CPU、64核GPU、128GBRAM和2TBSSD的MacStudio上进行了测试。（这阵容差不多能算是豪华配置了）。
　　他们分别训练了batchsize为128的ResNet50、batchsize为64的HuggingFaceBERT，以及batchsize64的VGG16。
　　从下图中我们可以发现，相比使用CPU加速，使用GPU可将模型训练速度提高约7倍，评估（evaluation）速度则最高能提约20倍。
　　看到这儿，有网友开始好奇它与搭载了NvidiaGPU的laptop相比性能如何。
　　有人表示，虽说目前M1的原始计算性能比不上英伟达的产品，但功耗方面还不错。未来苹果很有可能慢慢追上性能。总的来说，MacStudio现在看起来实在太香了。
　　他进一步解释道：毕竟它是你花4800美元就能买到的最便宜、包含128GBGPU内存的机器。现在有了基于GPU加速的PyTorch支持，完全可以用来训练大模型、配置大的batchsize。对于我所做的那种DL工作，数据加载比实际的原始计算能力更容易成为瓶颈。
　　你心动了吗？现在就试试？
　　只需保证你的macOS操作系统在12。3版本及以上，且安装了arm64原生Python，然后去官网下载最新的Pytorch预览版就可以了。
　　地址：
　　https：pytorch。orgblogintroducingacceleratedpytorchtrainingonmac