Skip to main content

I nuovi MacBook Pro con chip M1 surclassano i predecessori Intel nel Machine Learning

Apple M1
(Image credit: Apple)

Apple ha rilasciato una nuova versione della libreria TensorFlow v2.4 per velocizzare il machine learning sui suoi Mac con processore M1.

La libreria ottimizzata per i chip M1 sfrutta il nuovo framework ML Compute di Apple, che ha lo scopo di accelerare l'addestramento delle reti neurali impiegando non solo le CPU, ma anche tutte le GPU disponibili.  

Il nuovo framework ML Compute di Apple è incluso nell’ultimo aggiornamento di macOS, Big Sur, e consente agli utenti di TensorFlow di sfruttare tutto il potenziale della CPU a 8 core e della GPU a 8 core del chip M1.

Prestazioni al top 

Il nuovo framework ML Compute utilizza le BNNS (Basic neural network subroutines) rese disponibili rispettivamente dall’Accelerate framework per la CPU e dai Metal Performance Shaders per la GPU. 

Apple afferma che con la versione ottimizzata di TensorFlow si possono svolgere attività di addestramento più veloci del 700% sui MacBook Pro da 13” con processore M1. L’azienda ha aggiunto che con l’aggiornamento di TensorFlow i precedenti Mac Pro 2019 riescono a completare un algoritmo di apprendimento in 2 secondi rispetto ai 6 dei modelli che utilizzano la versione precedente della libreria. 

Schema comparativo delle prestazioni con le diverse versioni della libreria TensorFlow

(Image credit: Apple)

Quando il Machine Learning Compute fu annunciato per la prima volta, gli sviluppatori incontrano diversi ostacoli nell’adattare i loro script ML all’interfaccia con la nuova API. Sembra che Apple sia riuscita a bypassare questi ostacoli con la nuova lbireria TensorFlow. 

Da oggi, gli sviluppatori possono semplicemente scaricare la nuova libreria TensorFlow 2.4 ottimizzata per Mac e usarla per sfruttare al meglio le risorse dei propri Mac con chip M1, senza dover modificare gli script. 

Sul blog ufficiale di TensorFlow, gli sviluppatori Apple affermano che a breve saranno in grado di integrare una fork (comando che trasforma un singolo processo in due processi identici detti processo padre e processo figlio) nella mainline di TensorFlow. 

Fonte: VentureBeat