M1 也太牛了吧， tensorflow 特供版速度快这么多？

• 資深大佬 : Leonard

  等 16 寸更新 arm，炼丹是不是可以打 3080 了

• 資深大佬 : westoy

  内存怎么办?

  现在不少影视从业者拿到了， 目前反馈都是单轨道预览剪辑渲染超神， 真实场景的多轨道操作被上代 intel 反杀， 我猜大概率是爆内存了…..

• 主 資深大佬 : shizishanxia

  @Leonard 现在还是低端产品线，我感觉明年可以等一波明年的高端线更新，M1 二代出来说不定真的能打 GPU，感觉太黑科技了。

• 主 資深大佬 : shizishanxia

  @westoy 是的，现在顶配才 16G，可能确实不太够？等明年的高端线更新，感觉可以冲了，mbp 跑 ML 这么快真黑科技，颠覆我的认知了。。

• 主 資深大佬 : shizishanxia

  https://blog.tensorflow.org/2020/11/accelerating-tensorflow-performance-on-mac.html

  补上 tensorflow 的 blog 链接

• 資深大佬 : rlodeeq7

  Intel 真是虎落平阳被犬欺，天天被白目果粉秒

• 資深大佬 : charlie21

  样本太小 没有参考性，建议忽略

• 資深大佬 : imn1

  单纯 intel 核显，应该没几个可以用.gpu ，他这个对比，应该一个用的是.cpu ，另一个用的是.gpu

• 資深大佬 : Escapist367

  用 2.4 的 tf 意味着有大量开源代码不能抄（不能抄意味着自己改写，这不是初级选手能完成的）
  其次 16g 内存除开系统占用，加载数据，剩下还有多少能拿来跑模型，也是未可知的
  而且谁会拿 i u 来训练啊？？？
  求求果蛆别吹了，别能忽悠一个是一个了好吗

• 資深大佬 : futou

  作为初代产品，m1 确实很牛，但是硬吹到违反物理定律就过分了

• 資深大佬 : jimmyismagic

  m1 为什么这么牛，有人分析原理吗？还是只是吹吹的

• 主 資深大佬 : shizishanxia

  @Escapist367 哈哈不是果蛆，我都没用过苹果的东西，之前买的 intel 的幽灵峡谷，搭配的 N 卡跑数据。就是看到 M1 的表现有点震惊。。

• 資深大佬 : mikeven

  i u 没有特制的机器学习单元吧，m1 有 npu 快十倍正常，
  另一方面 TensorFlow 支持 m1 长远来看是好事
  靠 m1 炼丹肯定不现实，将来苹果桌面芯片有可能。

  有数据吗贴一贴

• 主 資深大佬 : shizishanxia

  @mikeven 5L 的 blog 有数据，twitter 上有人说近似 1080ti，我不是很相信。

• 資深大佬 : Issacx

  看完了那篇 blog，M1 （ CPU+GPU ）和 intel （ CPU ）比提升在预料之中，不过文章里没提到 NPU，看样子这部分还是没用上。希望 apple 将来能出一个专门加速炼丹的库。baseline 选的 model 也不小了，做个小 demo 还是可以的。

• 主 資深大佬 : shizishanxia

  @Issacx 貌似那个 NPU 只能运行不能训练 model，看看后续什么操作吧。

• 資深大佬 : superlc

  @Escapist367 本来也不是让人拿来做训练的啊，在本地把 batch 调小做做 debug，给初学者拿来入门，甚至把远程的 chkpt 拿下来跑跑 test，这不都是价值？最起码也是开了个好头

• 資深大佬 : superlc

  本来也是一个 mbp 走天下，准确说是一个 ssh 走天下(

  拿来入门啥的挺适合的，现在推 tf.keras，api 瞎改问题或多或少有点缓解。pytorch 能适配过来的话会是一个非常好的事情，可惜他们一向不太喜欢搞这些玩意儿

  16g 内存，做做学校项目之类的挺够了已经，真正需要 16g+显存的，也不会有人没 server 吧。。

• 資深大佬 : mikeven

  @shizishanxia #16 数据果然很强啊，npu 不能用，靠 gpu 也能强这么多吗
• 主 資深大佬 : shizishanxia

  @mikeven 官网 blog 的测试应该只是 gpu 的测试，如果 npu 可以计算的话， 这篇 blog 说能接近 2080ti 的算力。。。看看后续评测吧，我比较怀疑。

  https://medium.com/disruptive-nerd/how-is-the-apple-m1-going-to-affect-machine-learning-2d9da1beef86

• 主 資深大佬 : shizishanxia

  @superlc 是的，我是初学，弄了个 1660s 做一些本地的小的项目。这样看 2080 以下的计算卡都没存在必要了。

• 資深大佬 : ryd994

  @superlc #18 既然是跑跑入门，那性能重要么？反正大工程都是到专用机上去

• 資深大佬 : liprais

  @Escapist367 你们炼丹师嘴都这么脏么?

• 資深大佬 : hoyixi

  有竞争是好事啊，看 Intel 如何接招

• 資深大佬 : Escapist367

  @superlc

• 資深大佬 : Escapist367

  @superlc
  既然是初学者小 batch 跑跑入门，性能是最先关注的点么？
  最先关注的点难道不是兼容性么？
  能够直接跑通别人的开源代码，能够直接调用别人编译好的开源库，难道不是最重要的么？
  初学者差的是这一点性能么？

  @shizishanxia
  我觉得矛盾点就是前面说的兼容性，真要训练都是上服务器，瞎逼跑跑肯定是兼容性更重要，那这东西委实没有优势。

  @liprais
  嘴脏不脏得看对象，言之凿凿地夸大其词，那就是该骂。

• 資深大佬 : northisland

  主要不要趁刚到冬天，买一个 m1 炼丹炉暖手？

• 資深大佬 : liprais

  @Escapist367 你妈说你是世界上最好的小孩，算“言之凿凿地夸大其词”么?

• 資深大佬 : Escapist367

  @liprais

• 資深大佬 : Escapist367

  @liprais

  言必带妈，蛆是真的有素质

• 資深大佬 : liprais

  @Escapist367 所以贵炼丹师就这素质呗

• 資深大佬 : brice32

  道理说不过，暴露了自己的无知。就开始找对方说话的问题了，一哭二闹三上吊。“宝宝可以在你专业范围胡言乱语，但你不能凶宝宝哦⊙∀⊙！”

• 資深大佬 : superlc

  @Escapist367
  @ryd994
  不管性能重不重要，快总是比慢要好的吧？

  兼容性方面，网上下的程序，用普通的无 cuda 笔记本又有多少能不改直接跑呢？而且目前 pytorch 也可以直接在 m1 上跑啊，只不过是没有加速而已( https://github.com/pytorch/pytorch/issues/48145#issuecomment-730297957)

  这个东西说到底还是 CPU，它的同级别比较对象应该也是 CPU 。相当于是普通集显 /A 卡本子在特定条件下多了一个 1660 级的加速，可以说是白送的功能。我是觉得挺好的，看不到问题在哪

• 資深大佬 : ashong

  何时能虚拟 x86/64 windows 就可以一本走天下了

• 主 資深大佬 : shizishanxia

  @superlc 看看后续评测吧，1660 级别的速度其实对于小项目也足够了，我目前就用的 1660s 哈哈

• 主 資深大佬 : shizishanxia

  补充一下，B 站有 up 主测试了 M1 的神经网络训练速度：

  “更新一组数据，M1+Core ML 的训练时间为 139 秒，精度为 98.91%，离 1080Ti 还是很有距离的，大约慢了两倍。”
  M1 大约在 139 秒，1080ti 在 52.96 秒。且 M1 训练精度差一些。

  看来 M1 能打是能打，但还没至于颠覆的地步。

• 資深大佬 : lslqtz

  m1 本来就不是为了追独立显卡的，比 intel 好那么多倍还有人能黑我是想不到的
  我只能说这群黑的人的意见是没有参加价值的，就算真的更好也要嫌贵反正就是不会买

• 資深大佬 : lslqtz

  参加-参考

• 資深大佬 : lslqtz

  内存低倒是真的可吐槽，虽然速度确实快了很多
  不过这才第一代有啥好说的……