Apple Silicon 13-дюймовый MacBook Pro почти так же быстро обучается машинному обучению, как 16-дюймовый MacBook Pro

Хотя Apple по-прежнему необходимо полностью оптимизировать процессор M1 и его программное обеспечение для этой задачи, 13-дюймовый MacBook Pro с Apple Silicon показал почти такие же хорошие результаты в тесте машинного обучения, как 16-дюймовый MacBook Pro с выделенной графикой Radeon.

Тесты для процессора M1 пока что впечатляют и сравнимы даже с самыми дорогими конфигурациями Intel MacBook Pro. Пока еще рано, поскольку программное обеспечение продолжает оптимизироваться для процессора, поэтому некоторые задачи и процессы будут иметь большие скачки скорости, поскольку разработчики используют преимущества оборудования.

Одна область, в которой процессор M1 должен преуспеть, — это процессы машинного обучения (ML). Как и в случае с чипами Apple серии A, такими как A12Z Bionic, M1 имеет специальный нейронный движок, используемый для сложной обработки данных и машинного обучения. Apple заявляет, что M1 Neural Engine может обрабатывать до 11 триллионов операций в секунду при использовании.

Однако этот процессор не является лучшим в своем классе с точки зрения машинного обучения, поскольку выделенные графические процессоры таких компаний, как Nvidia, могут похвастаться еще более высокими показателями для нейронных операций. В первом поколении компьютеров Mac под управлением Apple Silicon можно полагаться только на процессор M1 — дополнительных опций графического процессора нет.

Разработчики из Roboflow хотели сравнить новые машины Apple со старыми вариантами Intel. Переход на новые процессоры для Apple только начался, поэтому такие инструменты, как TensorFlow, еще не оптимизированы для выполнения полного теста производительности.

Тестировщики решили использовать собственный инструмент Apple под названием CreateML, который позволял разработчикам обучать алгоритм машинного обучения с помощью объектно-ориентированного обучения и без письменного кода. Инструмент доступен на компьютерах Mac на базе M1, поэтому тестировщики считают, что его нужно было должным образом оптимизировать для выполнения теста.

Они решили сравнить 13-дюймовый MacBook Pro с процессором M1 и 8 ГБ оперативной памяти с 13-дюймовым MacBook Pro с Intel Core i5 и 16 ГБ оперативной памяти, в котором есть выделенная карта Intel Iris Plus Graphics 645. Также был протестирован 16-дюймовый MacBook Pro с процессором Intel Core i9, 64 ГБ памяти и выделенной видеокартой Radeon Pro 5500M.

Команда Roboflow решила запустить тест без задачи распознавания объектов кода. Они использовали набор данных обнаружения объектов Microsoft COCO из 121 444 изображений, а затем экспортировали активы с помощью программного обеспечения Roboflow, чтобы преобразовать их в формат Create ML. Они запускали программное обеспечение CreateML с использованием модели обнаружения объектов YOLOv2 в течение 5000 эпох с размером пакета 32.

Используемый набор данных COCO представляет собой большую базу данных изображений объектов, которые должны быть легко узнаваемы 4-летним ребенком, и используется для тестирования алгоритмов машинного обучения. YOLOv2 — это тип распознавания изображений, который использует граничные рамки, чтобы показать, где находится объект на изображении. Эпоха — это один цикл теста, а размер пакета — это количество объектов, запускаемых в каждом цикле.

По сути, компьютерам будет показана серия изображений, и они должны будут решить, что показывать, на основе того, что они узнали из того, что было показано ранее. По мере того, как он видит больше изображений данного объекта, он будет более точно идентифицировать этот объект на других случайных изображениях.

MacBook на базе M1 прошел 149 минут с использованием графического процессора 8% MacBook с Intel Core i5 потребовалось 542 минуты для запуска теста, хотя не использовал Intel Iris Plus Graphics 645 MacBook с Intel Core i9 с Radeon Pro занял 70 минут и использовал 100% графического процессора во время теста

Команда отмечает, что CreateML смог использовать 100% дискретного графического процессора Radeon, но совсем не беспокоился об использовании Intel Iris и только 8% встроенного графического процессора M1. Это повлияло на время и, вероятно, связано с тем, что Apple необходимо дополнительно оптимизировать набор инструментов для процессора M1.

По результатам этого теста Apple M1 в 3,64 раза быстрее Intel Core i5. Однако машина M1 не полностью использует свой графический процессор и пока что уступает i9 с дискретной графикой.

Ожидается, что Apple продолжит оптимизацию своей среды CreateML и работает с TensorFlow, чтобы правильно перенести свой набор инструментов на M1. Будущие процессоры серии M могут иметь еще более мощные нейронные движки и процессоры, поскольку, по слухам, 32-ядерный чип серии M может быть в будущем настольном Mac.