本文来自微信公众号：新智元（ID：AI_era），编辑：好困、小咸鱼，原文标题：《苹果M1“徒有其表”？“地表最强”芯只能剪视频引知乎热议》，头图来自：视觉中国
最近，苹果开了一个新（芯）品（片）发布会。
光看参数，M1 Pro和M1 Max两款芯片确实太顶了！M1 Pro，晶体管面积达到245mm²，内置337亿个晶体管，是M1的2倍多。
而M1 Max更夸张，搭载570亿个晶体管，比Pro还要大70%，芯片面积达到432mm²。
M1 Pro和M1 Max均采用大小核设计，最多10个核心，包括8个高性能内核和2个高效内核，CPU的性能直接比前代M1芯片提升70%。
GPU方面，M1 Pro采用最多16个核心，性能比M1芯片的GPU高出两倍。而M1 Max一举将GPU的核心数量干到32个，算力可以达到恐怖的10.4TFLOPs，比M1的GPU还要再快4倍！
10TFLOPs，这个数字有点熟悉啊？对GPU性能敏感的朋友可能联想到了，空气显卡公司Nvidia的RTX 2080给出的GPU参考性能也是这个数字。
现在深度学习这么火，要不让M1系列的芯片和RTX 2080比试比试？
M1 VS 2080Ti
提到深度学习框架无非就是TensorFlow和PyTorch。然而，这俩一直以来都只支持在NVIDIA的GPU上使用CUDA加速。而苹果用户只能在CPU上慢慢跑。不过，苹果在2020年11月推出了采用M1芯片的Mac之后，很快，TensorFlow也出了2.4版本更新，支持在M1的GPU上训练神经网络。
“TensorFlow 2.4的tensorflow_macos利用ML Compute，使机器学习库不仅能充分利用CPU，还能充分利用M1和英特尔驱动的Mac中的GPU，大幅提高训练性能。”
说得这么nice，到底怎么样，还是要实践才知道。鉴于搭载M1 Pro和M1 Max的最新款MacBook Pro还未开售，就先用他们的小弟M1代替他们出场吧。M1的GPU最高可以跑到2.6TFLOPs，差不多是Nvidia RTX 2080独显的四分之一。
先在fashion-MNIST数据集上，训练一个小的三层全连接网络试试。（代码参见原文）
测试开始，先在一台搭载Intel i7-9700K，拥有32GB内存，以及一张NVIDIA RTX 2080Ti独立显卡的Linux系统电脑上运行上面的代码。
很快，就得到了结果：训练和测试花了7.78秒。
接着，用搭载M1处理器（8个CPU核心，8个GPU核心，16个神经引擎核心）和8GB内存的Mac Mini训练模型。
结果非常amazing啊！训练和测试仅仅耗时6.70秒，比RTX 2080Ti的GPU还要快14%！这就有点厉害了。
但说实话，fashion-MNIST分类这种任务有点过于简单了，如果想在更大的数据集上，训练更强大的模型呢？所以，得给它们来点更难的任务，分别用M1和RTX 2080Ti在Cifar10数据集上训练一个常用的ResNet50分类模型如何？（代码参见原文）
测试再次开始，在RTX 2080Ti运行新代码，表现非常不错。
训练了10个epoch，训练和测试共耗时418.73秒，GPU的利用率在65%和75%之间波动。
接下来，在M1 Mac Mini上运行新代码。
看上去有点拉胯啊，M1 Mac Mini训练和测试总耗时2286.16秒，是RTX 2080Ti GPU耗时的5.46倍。
理论上讲，M1的GPU性能是RTX 2080Ti GPU的3.84分之一，这么看，其实际性能还是略有欠缺。
通过Mac的活动监视器也能看到，CPU的使用率确实较低，GPU几乎没有怎么使用，看来还是Tensorflow对M1硬件资源的调度优化得不够好。
不过，最近，Tensorflow放出了对M1 Metal GPU插件支持。
还给出了安装指导教程，感兴趣的朋友可以尝尝鲜（需安装TensorFlow v2.5或v2.6）。
友情提示，先看看tensorflow_macos GitHub仓库的issue的数量，劝退不？
这么来看，M1确实可以训练深度学习模型，实际性能也勉强能用。要是换上那个4倍加成的M1 Max没准还真能和RTX 2080Ti GPU碰一碰。但是还是那个问题：能用不代表好用。
为啥评测只有“剪视频”
M1一直以来都有一个被诟病的地方：生态不行。推特上有大神留言：“M1确实能用于数据科学，但恐怕你得花一个通宵装配置才能用。”
其实，不仅仅是机器学习，很多大型游戏和工业软件目前都不兼容苹果的M1系列芯片。
在知乎上，就有人提出了质疑：为什么在宣传苹果的M1芯片的性能时，总是以视频剪辑为例呢？
排第一的回答就说得很有道理：“他们惊叹M1的强大的时候，自然用自己最顺手的方式来说明M1强大。看起来是清一色的用视频来验证M1的强大，其实只是他们的声音大罢了。”
而且，看完刚才那段用M1跑机器学习的体验，这个问题其实也就不难回答了。写个文：用不着；编个程：不会用。
当然，也有非专职博主做过Spring性能的测试，在转译模式下跑Java，性能也很不错。特别是对小内存的优化，以及几乎无敌的不发热和没噪声。不过对于这一点，有网友表示：“软件开发在Mac上是劣势，在M1上更是劣势中的劣势。”
那这么看来，在“生产力”里面，可能也就只有“视频”既能体现出性能强劲，又方便好做了。
然而，网友吐槽说：“M1也就用来剪点小片子玩玩还行了”。
除此以外也一大堆插件只支持Intel，甚至连Mac都没有。
游戏呢，一直都不是Mac的重点，这次苹果就更直接了，一句都没提。以前好歹还放一个狂野飙车9呢。
既然苹果的态度都这么明显了，何必非要用Mac去自己折磨自己呢。有网友就表示：“既然我有钱16199买MBP，我自然也有Windows主机”。
挖矿这事吧，不提倡，而且就M1的表现来说，非常拉垮。不知道M1 Max能不能一雪前耻。
话说回来，最常用的生产力难道不是Word、PPT、Keynote这些么，买一个M1的MacBook，续航长，屏幕好，速度快还便宜，多香。
参考资料：文中引用了青空，Hate Letter等人的回答，具体参见：
https://www.zhihu.com/question/460373656
https://www.zhihu.com/question/493188474
https://www.zhihu.com/question/493188575
https://appleinsider.com/articles/21/10/19/m1-pro-and-m1-max-gpu-performance-versus-nvidia-and-amd
https://developer.apple.com/metal/tensorflow-plugin/
https://medium.com/analytics-vidhya/m1-mac-mini-scores-higher-than-my-nvidia-rtx-2080ti-in-tensorflow-speed-test-9f3db2b02d74
https://twitter.com/theshawwn/status/1449930512630525956?s=21
本文来自微信公众号：新智元（ID：AI_era），编辑：好困、小咸鱼
原创文章，作者：ItWorker，如若转载，请注明出处：https://blog.ytso.com/industrynews/177455.html