苹果在机器学习领域的影响力仍然显著。仅在新版Mac发布不到两周后，谷歌便推出了为Mac优化的TensorFlow版本，其训练速度可提升至原来的7倍。
Mac一直是开发者、工程师和科研人员的热门选择，尽管很多用户也在此平台上训练神经网络，但训练速度一直是个难题。
上周，苹果发布了搭载ARM架构M1芯片的三款新Mac，许多人开始关注这些新设备在神经网络训练中的表现。
今天，TensorFlow官方宣布推出专为Mac用户优化的TensorFlow 2.4框架，兼容M1和英特尔版Mac。这一举措预计将显著降低模型训练和部署的难度。
此前，TensorFlow在Mac上仅能使用CPU进行训练，而新的TensorFlow_Macos分支借助苹果的MLCompute技术，能够利用GPU进行训练。苹果在其博客中提到，采用了更高级别的优化技术，如熔合层、适配设备类型、将图形作为原语编译和执行，并利用CPU上的BNNS及GPU上的Metal Performance Shaders进行加速。
MLCompute是苹果今年推出的新框架，旨在支持Mac上的TensorFlow模型训练。无论是新款的M1 Mac，还是旧款的英特尔版Mac，其CPU和GPU均可用于加速训练过程。
M1芯片配备了新的8核CPU和最多8核的GPU，专为Mac的机器学习任务进行了优化。以下两张图表展示了针对Mac优化后的TensorFlow 2.4在不同模型训练中的性能提升：
上图显示了在搭载M1和英特尔芯片的13英寸MacBook Pro上进行机器学习训练的情况。柱形图的高度代表单批次的训练时长，优化后的Mac版TensorFlow 2.4在训练速度上有了明显提升，使用M1 MacBook Pro后，速度提升最高可达7倍。
同样使用MLCompute，在搭载英特尔芯片的2019 Mac Pro上进行常见模型的训练，性能提升同样显著。
TensorFlow官方表示，用户无需对现有的TensorFlow脚本进行任何更改，即可使用MLCompute作为其后端。
Mac版TensorFlow 2.4的详细入门指南可参考：https://Github.coM/apple/tensorflow_Macos
M1 Mac对机器学习用户的影响不容忽视。苹果在发布会上提到，M1芯片将其神经网络引擎引入Mac，能够实现15倍的机器学习任务加速。该引擎拥有16个核心，每秒运算速度可达11万亿次。此外，配置了ML加速器的CPU和强大GPU，使得M1芯片在机器学习方面的能力大幅提升。
尽管性能提升显而易见，但软件兼容性仍是一个重要问题。自M1 Mac发布以来，很多开发者关心他们的VS Code、Docker和Jupyter Notebook是否能在新设备上使用。
VS Code方面，微软团队表示，「VS Code将支持ARM版Mac，预计在11月底推出首个预览版。」
Mac/ARM64试验版地址：https://code.visualstudio.coM/insideRs/#osx
此外，微软还宣布将发布一款新的通用版Mac Office 2019，以支持新的苹果处理器。
关于Docker，开发者在11月16日的博客中提到，Docker尚未为M1版Mac做好准备，仍需进行大量工作。
Docker团队表示，「我们希望在新的Mac上提供与当前Docker Desktop for Mac一样优秀的体验，确保过渡尽可能无缝。」虽然苹果已经发布了Rosetta 2转译器，但这并不意味着Docker Desktop可以立即适配。
至于Jupyter Notebook等软件，目前尚无官方消息。不过，随着苹果不断增强其生态系统，越来越多的软件开发商表示将为M1 Mac开发兼容产品。
