新的M1 Macbook对深度学习有好处吗？

新的Apple M1芯片背后有很多炒作。到目前为止，事实证明它优于英特尔提供的任何产品。但这对深度学习意味着什么？这就是您今天要找到的。

新的M1芯片不仅是CPU。在MacBook Pro上，它由8核CPU，8核GPU和16核神经引擎组成。处理器和GPU都远远优于上一代Intel配置。

我已经展示了M1芯片用于常规数据科学任务的速度有多快，但是深度学习又如何呢？

简短的答案-是的，该部门有一些改进，但是Macs现在比Google Colab更好吗？请记住，Colab是完全免费的选择。

并非所有的数据科学库都与新的M1芯片兼容。要使TensorFlow（2.4版）正常工作要容易做起来难。

您可以参考此链接下载。 TensorFlow的文件及其依赖项。这仅适用于macOS 11.0及更高版本，因此请记住这一点。

您将看到的测试在任何形式，形式上都不是“科学的”。他们仅比较每个时期的平均训练时间。

首先，我们从基本的CPU和GPU基准开始。比较具有M1芯片的新款MacBook Pro与2019年以来的基本型号（Intel）.Geekbench 5用于测试，您可以看到以下结果：

结果不言自明。 M1芯片在我的2019 Mac中拆卸了英特尔芯片。到目前为止，事情看起来很有希望。

MNIST数据集就像是深度学习的“ hello world”。它内置于TensorFlow中，使其更易于测试。

以下脚本为MNIST数据集上的十个时期训练了一个神经网络分类器。如果您使用的是M1 Mac，请取消注释mlcompute行，因为这些行会使运行速度更快：

上面的脚本是在M1 MBP和Google Colab（CPU和GPU）上执行的。您可以在下面看到运行时比较：

对于新的Mac，结果有些令人失望。在CPU和GPU运行时中，Colab的性能均优于其。请记住，结果可能会有所不同，因为无法保证Colab中的运行时环境。

该数据集与常规MNIST非常相似，但是包含衣物而不是手写数字。因此，您可以使用相同的神经网络体系结构进行训练：

如您所见，这里唯一改变的是用于加载数据集的函数。相同环境的运行时结果如下所示：

再一次，我们得到了类似的结果。可以预期，因为该数据集与MNIST非常相似。

但是，如果我们引入更复杂的数据集和神经网络架构，将会发生什么？

CIFAR-10也属于“ hello world”深度学习数据集的类别。它包含来自十个不同类别的60K图像，例如飞机，鸟类，猫，狗，船，卡车等。

图片的尺寸为32x32x3，这使得它们在某些情况下甚至对于人类也难以分类。下面的脚本通过使用三个卷积层来训练分类器模型：

如您所见，Colab中的CPU环境远不及GPU和M1环境。与前两个测试类似，Colab GPU环境仍比Apple M1快2倍左右。

我喜欢新的M1芯片的每一个细节以及它附带的所有内容-更好的性能，没有过热以及更长的电池寿命。尽管如此，如果您要学习深度学习，还是很难推荐一台笔记本电脑。

当然，与其他基于Intel的Mac相比，M1的性能提高了约2倍，但这些机器并不是用于深度学习的机器。 别误会，您可以将MBP用于任何基本的深度学习任务，但是如果您每天进行深度学习，则可以在相同的价格范围内使用更好的机器。 本文仅涉及简单数据集的深度学习。 下一个将比较M1芯片和Colab在更艰巨的任务上，例如转移学习。