PyTorch宣布支持苹果M1芯片GPU加快：训练快6倍，推理提升21倍

AlexNet 的飞行速度对比为 0.126 秒 vs0.005 秒，飞行速度增强了几十倍：

尝试一下视觉 transformer 建模，在 M1 CPU 上的飞行速度是 1.855 秒，在 M1 GPU 上则试运行崩溃了……

EfficientNetB0 借助于了 2.5 倍的减慢：

EfficientNetB4 借助于了 3.5 倍减慢：

ConvMixer 试运行良好，从 11 秒铁路部门到 2.8 秒：

Dmytro Mishkin 也回应，采用 M1 特性强大电路特性强大的 GPU 减慢只须要吸热一下建模，没有同步擅自。和 CUDA 不同，不用异步可执行。

威斯康星大学克莱顿分校文员客座教授 Sebastian Raschka 也对 M1 特性强大电路的 GPU 方法学战斗能力透过了一番测试者，他采用的特性强大电路是 M1 和 M1 Pro。

看上去，M1 CPU 似乎比 M1 GPU 越来越快。但 LeNet-5 是一个相当小的因特网，而 MNIST 是一个相当小的数据集。如果用 rescaled CIFAR-10 平面图像再试一次，结果如下：

与 M1 Pro CPU（乘积第二行）和 M1 Pro GPU（倒数第二行）相比较，M1 Pro GPU 军事训练因特网的飞行速度减低了一倍。

可见，M1 前传特性强大电路的 GPU 减慢结果相当可观，在其余部分情况下已能满足Linux的生产力。不过我们知道在 M1 Ultra 这样的特性强大电路中都也有 32 核的数据分析柴油发动机，现阶段却只有草莓自己的 Core ML 框架支持采用该其余部分获得减慢。

感叹启用了 Neural Engine 之后，M1 特性强大电路的 AI 直觉飞行速度还能增强多少？

参考内容：