本文經AI新媒體量子位（公眾號ID:QbitAI）授權轉載，轉載請聯系出處。

一直以來，Pytorch在Mac上僅支持使用CPU進行訓練。

就在剛剛，Pytorch官方宣布，其最新版v1.12可以支持GPU加速了。

只要是搭載了M1系列芯片的Mac都行。

這也就意味著在Mac本機用Pytorch“煉丹”會更方便了！

訓練速度可提升約7倍

此功能由Pytorch與Apple的Metal工程團隊合作推出。

它使用Apple的Metal Performance Shaders(MPS) 作為PyTorch的后端來啟用GPU加速訓練。

為了優化計算性能，MPS還針對Metal GPU系列的獨特特性對每個內核進行了微調。

Metal是一個類似OpenGL的框架，只不過OpenGL適用于各平臺的移動端GPU渲染和計算，Metal專用于iOS/MacOS平臺，不過也兼顧了性能和易用性。

MPS就是一套基于Metal框架的庫，直接調用即可使用GPU的高性能進行圖形處理、構建卷積神經網絡等工作。

蘋果官方在搭載了M1 Ultra、20核CPU、64核GPU、128GB RAM和2TB SSD的Mac Studio上進行了測試。

（這陣容差不多能算是豪華配置了）。

他們分別訓練了batch size為128的ResNet50、batch size為64的HuggingFace BERT，以及batch size=64的VGG16。

從下圖中我們可以發現，相比使用CPU加速，使用GPU可將模型訓練速度提高約7倍，評估（evaluation）速度則最高能提約20倍。

看到這兒，有網友開始好奇它與搭載了Nvidia GPU的laptop相比性能如何。

有人表示，雖說目前M1的原始計算性能比不上英偉達的產品，但功耗方面還不錯。未來蘋果很有可能慢慢追上性能。

總的來說，Mac Studio現在看起來實在太香了。

他進一步解釋道：

“畢竟它是你花4800美元就能買到的最便宜、包含128GB GPU內存的機器。現在有了基于GPU加速的PyTorch支持，完全可以用來訓練大模型、配置大的batch size。

對于我所做的那種DL工作，數據加載比實際的原始計算能力更容易成為瓶頸。”

你心動了嗎？

現在就試試？

只需保證你的macOS操作系統在12.3版本及以上，且安裝了arm64原生Python，然后去官網下載最新的Pytorch預覽版就可以了。

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