这是一个创建于 1509 天前的主题，其中的信息可能已经有所发展或是发生改变。
https://github.com/tlkh/tf-metal-experiments/blob/main/README.md#experiments-and-benchmarks
结论是当前版本来看，M1 Max 跟 Nvidia 的 30X0 显卡还有很大距离。不过如果手上刚好有 M1 Max ，倒是可以用来跑一些 prototype.
结论是当前版本来看，M1 Max 跟 Nvidia 的 30X0 显卡还有很大距离。不过如果手上刚好有 M1 Max ，倒是可以用来跑一些 prototype.
14 条回复 2023-06-06 19:22:39 +08:00
 | 1 makeitwork 2021-10-27 10:05:35 +08:00 阻止炼丹师用 m1max 的最大理由是 pytorch 不支持（短期内也不可能支持） m1max 。一票否决了。tf 在发论文的那群人里已经没人用了。 |
 | 2 YvesX 2021-10-27 10:29:11 +08:00 功耗摆在那里，跟桌面显卡比未免勉为其难了。 ……于是移动端这个 GPU 性能于我而言就没有应用场景了，我不需要在 Final Cut Pro 中同时剪辑 7 轨 8k ProRes 视频。 |
 | 3 mikeven 2021-10-27 10:33:26 +08:00  1 For 3090, same script is used, but additional optimization that leverage hardware (Tensor Core) and software (XLA compiler) not present/working on M1 is added. This corresponds to the following code segment added: 看了一下应该是软件对 3090 优化很多，带来了速度提升，目前 m1 是没有软件优化的，现阶段应用确实不太行 |
 | 4 swordfaith 2021-10-27 10:36:07 +08:00 感觉没有云市场，搞框架的厂商也没有好好优化的动力 |
 | 5 crystone 2021-10-27 11:26:05 +08:00 如果能有软件适配优化的话，差距应该不会特别大的，吧 |
 | 6 minsheng 2021-10-27 11:31:50 +08:00 1 |
 | 7 lqf96 2021-10-27 11:34:07 +08:00 @makeitwork 其实 PyTorch 最快支持 M1 的办法应该是开发一个基于 MLCompute 的 JIT 后端，然后利用正在开发的 Lazy Tensor 模拟 eager evaluation...等新电脑到了我准备看看能不能搞个 prototype 玩玩... |
| 9 mikeven 2021-10-27 12:37:04 +08:00 @minsheng #6 目前看纯 GPU 性能是 m1 max 10T 3090 36T 理论上 3090 是 m1 max 3.6 倍吧。 实际上这些测试里面 3090 差不多是 m1 max 的 7 倍左右，软件对 N 卡优化还是好，每 T 的性能 x2 |
| 10 minsheng 2021-10-27 12:49:37 +08:00 via iPhone @lqf96 这样可以支持训练吗？我这两天在看通过 C++扩展的方式支持 Metal ，可以考虑合作一下 |
 | 11 iowt 2021-10-27 14:24:31 +08:00 其实除了偶尔上机器学习课程的学生，几乎没人用自己电脑训练吧？我身边做 ML 研究的人不管用 PC 还是 Mac ，笔记本都是 SSH 连接器。因为实验室服务器上大把计算资源，根本没有必要在自己电脑上跑。 |
Select Language