这是一个创建于 1117 天前的主题，其中的信息可能已经有所发展或是发生改变。
https://github.com/tlkh/tf-metal-experiments/blob/main/README.md#experiments-and-benchmarks
结论是当前版本来看，M1 Max 跟 Nvidia 的 30X0 显卡还有很大距离。不过如果手上刚好有 M1 Max ，倒是可以用来跑一些 prototype.
结论是当前版本来看，M1 Max 跟 Nvidia 的 30X0 显卡还有很大距离。不过如果手上刚好有 M1 Max ，倒是可以用来跑一些 prototype.
14 条回复 • 2023-06-06 19:22:39 +08:00
 |
1
makeitwork 2021-10-27 10:05:35 +08:00
阻止炼丹师用 m1max 的最大理由是 pytorch 不支持（短期内也不可能支持） m1max 。一票否决了。tf 在发论文的那群人里已经没人用了。
|
 |
2
YvesX 2021-10-27 10:29:11 +08:00
功耗摆在那里，跟桌面显卡比未免勉为其难了。
……于是移动端这个 GPU 性能于我而言就没有应用场景了，我不需要在 Final Cut Pro 中同时剪辑 7 轨 8k ProRes 视频。 |
 |
3
mikeven 2021-10-27 10:33:26 +08:00  1
For 3090, same script is used, but additional optimization that leverage hardware (Tensor Core) and software (XLA compiler) not present/working on M1 is added. This corresponds to the following code segment added:
看了一下应该是软件对 3090 优化很多，带来了速度提升，目前 m1 是没有软件优化的，现阶段应用确实不太行 |
 |
4
swordfaith 2021-10-27 10:36:07 +08:00
感觉没有云市场，搞框架的厂商也没有好好优化的动力
|
 |
5
crystone 2021-10-27 11:26:05 +08:00
如果能有软件适配优化的话，差距应该不会特别大的，吧
|
 |
6
minsheng 2021-10-27 11:31:50 +08:00 1
|
 |
7
lqf96 2021-10-27 11:34:07 +08:00
@makeitwork 其实 PyTorch 最快支持 M1 的办法应该是开发一个基于 MLCompute 的 JIT 后端，然后利用正在开发的 Lazy Tensor 模拟 eager evaluation...等新电脑到了我准备看看能不能搞个 prototype 玩玩...
|
 |
8
dejavuwind 2021-10-27 11:42:22 +08:00
@minsheng 那如果真能达到 3090 的 1/4 性能的话也是足以令人欣喜了
|
|
9
mikeven 2021-10-27 12:37:04 +08:00
@minsheng #6 目前看纯 GPU 性能是
m1 max 10T 3090 36T 理论上 3090 是 m1 max 3.6 倍吧。 实际上这些测试里面 3090 差不多是 m1 max 的 7 倍左右，软件对 N 卡优化还是好，每 T 的性能 x2 |
|
10
minsheng 2021-10-27 12:49:37 +08:00 via iPhone
@lqf96 这样可以支持训练吗？我这两天在看通过 C++扩展的方式支持 Metal ，可以考虑合作一下
|
 |
11
iowt 2021-10-27 14:24:31 +08:00
其实除了偶尔上机器学习课程的学生，几乎没人用自己电脑训练吧？我身边做 ML 研究的人不管用 PC 还是 Mac ，笔记本都是 SSH 连接器。因为实验室服务器上大把计算资源，根本没有必要在自己电脑上跑。
|
Select Language