Xổ số Nam Định

Bình đuốc tuyên bố rằng nó hỗ trợ tăng tốc GPU của chip Apple M1 6: huấn luyện là gấp sáu lần nhanh hơn và lập luận là 21-Time gấp...

Cập Nhật:2022-05-21 19:58    Lượt Xem:86

Bình đuốc tuyên bố rằng nó hỗ trợ tăng tốc GPU của chip Apple M1 6: huấn luyện là gấp sáu lần nhanh hơn và lập luận là 21-Time gấp...

Tổng biên tập của báo cáo tim máy

Zenan, egg jam

! Đây là một ngày thú vị dành cho người dùng Mac. In March this year, Apple phát hành mẫu cuối cùng M16 siêu của con chip M16 được tự phát triển. Nó gồm 114 tỉ bán dẫn, là số lớn nhất trong lịch sử máy tính cá nhân. Quả táo nói rằng M16 siêu có thể đạt hiệu suất cao hơn... GPU RTX 3090 màn hình nền, chỉ với một biểu tượng 1/ 3 của tiêu thụ điện. Một số người đã dần chấp nhận máy tính dùng con chip M16, nhưng như một con chip kiến trúc cánh tay, một số người lo lắng về sự tương thích của một số công việc. Ngày hôm qua, nhờ sự hợp tác với các kỹ sư đội ngũ kim loại quả táo, pyghell đã chính thức thông báo rằng nó đã hỗ trợ GPU đã được cấp cao huấn luyện mô hình máy móc sẵn theo chế độ M16 của MAC. Tập trước của MAC chỉ có thể sử dụng CPU, nhưng với hàm lượng sẵn sàng ghi: Trong phiên bản 12, các nhà phát triển và nghiên cứu có thể sử dụng Apple GPU để tăng tốc độ đào tạo mô hình. Bây giờ, người ta có thể thực hiện việc học máy một cách tương đối hiệu quả trên Mac, như việc chế tạo proton và độ chín. Nó được giải quyết trị phần tập với những con chip của Apple và gì đó được giải quyết tập luyện bằng cách dùng một bóng của anh ta. Bộ hậu phương MPS mở rộng hệ thống pin và cung cấp các tập lệnh và chức năng để thiết lập và điều hành trên Mac. Các thành viên đã sử dụng khả năng hạt nhân tinh chỉnh các đặc điểm độc đáo của mỗi gia đình GPU để tối ưu hóa khả năng tính to án. Các thiết bị mới bản đồ các sơ đồ máy tính học, các yếu tố nguyên bản cho cấu trúc đồ thị MPs và CPU điều chỉnh do quân cảnh cung cấp. Mỗi MAC được trang bị với chip tự phát của Apple có một cấu trúc trí nhớ thống nhất, nhờ đó hệ thống GPU có thể truy cập trực tiếp vào bộ nhớ đầy đủ. Các sĩ quan nhà Pyđuốc nói điều này biến MAC thành một chương trình tuyệt vời để học máy móc, giúp người dùng có thể huấn luyện mạng lưới lớn hay kích thước nhà máy tại địa phương. Việc này giảm chi phí xây dựng trên mây hoặc sự cần thiết thêm năng lượng vi tính cục bộ. Nó cũng giảm tiềm năng trí nhớ và cải thiện khả năng thu hồi dữ liệu. Có thể thấy rằng so s ánh với cơ sở cơ bản của CPU, độ gia tốc chuẩn chuẩn chuẩn chuẩn chuẩn chuẩn của GPU đã tăng gấp đôi khả năng huấn luyện:

11 {{{}Tính hình này là kết quả thử nghiệm của Apple trên hệ thống máy phát âm MAC...được trang bị với quả táo M16 siêu (20 core CPU, 66 core GPU) 128GB bộ nhớ và 2SSD vào tháng đôi 2022. Hệ thống này là MacOS Monterey 12.3 và sẵn sàng phóng thích pipin 1.12. Các mô hình thử nghiệm là Resen50 (Kích thước chuỗi « 128), ôm mặt Bert (Kích cỡ của mẻ « 9m » và vgg16 (kích cỡ'Mẻ sx='67). Thực hiện thử nghiệm được thực hiện bằng một hệ thống máy tính đặc biệt, phản ánh khả năng tổng hợp của MAC-studio. Một số nhà phát triển cho rằng hiệu ứng điểm nổi của Nevada T4 được dùng trong dịch vụ Mây trên dạng Fp32 là 8 tlops, còn lực tính toán đồ họa của M16 siêu khoảng 20tlops. Trong tình huống thuận lợi nhất, tốc độ tối cao M16 sẽ tăng hay đạt tới gấp đôi 2.5. để sử dụng khả năng gia tốc mới nhất, bạn cần phải cài đặt phiên bản tự nhiên của Python trên máy tính Mac bằng thẻ dạng M16 và nâng cấp hệ thống theo phiên bản xem thử của MacOS 12.3 hoặc sau đó. Thử phát triển: hiệu ứng gia tốc đáng chú ý. Mặc dù chính thức đã công bố hỗ trợ, không phải tất cả các mẫu trên giá pin có thể được tăng tốc bằng GPU có thể được hợp nhất với chip M16. Bạn cũng có thể mất vài phút để thử. David, một nhà nghiên cứu về máy móc và bác sĩ của đại học công nghệ Séc, đã kiểm tra phương pháp lập luận của nhiều mẫu. Kết quả cho thấy hầu hết các kiến trúc phân loại ảnh cung cấp rất nhanh. Đối với một số mã riêng (như cấu trúc Koran), nó có thể không hoạt động đúng cách. Kết quả thử nghiệm là: đầu tiên là mạng lưới thần kinh điển bao quanh vgg16, đã tăng lên từ 2.23 giây tới 0.5 giây: 4 {Th {1 {}kế tiếp là resner, chạy trong hầu hết các cuộc họp con chip. Tốc độ của nó trên Trung ương M1 là chậm, không tăng nhưng rơi, từ 0.599 đến 0.52 giây.}4 {23 {23 {23 {

nhưng tốc độ resner là tuyệt vời, từ 0.243 đến 0.26.04 {giây phút đếm đến 0.26.26.26.26.26.66. Trong vài giây Mạng, tốc độ đã tăng lên bằng hàng chục lần nhắc nhắc nhắc nhắc nhắc nhắc nhắc nhắc nhắc nhở!! Chỉ cần cố gắng là một người máy chuyển chuyển đổi. Tốc độ trên cơ động dạng dạng dạng đồng tính của M16 là một vài giây, và thao tác của động cơ cơ cơ định định định định định định định định định định dạng dạng dạng Bo Bo, Mạng Mạng, và động động động động động động cơ định định định định định định dạng Bo Bo Bo Bo Bo Bo Bo Bo Bo Bo Bo Bo Bo Bo (động) đáng đáng đáng đáng đáng đáng đáng đáng đáng ra, và (đáng lẽ thì thì đáng lẽ đáng lẽ đáng ra, đáng lẽ đáng đáng ra, đáng lẽ đáng lẽ không. ́... ́... Bo Bo Bo Bo Bo Bo Bo Bo Bo Bo Bo Bo Bo Bo Bo Bo Bo Bo Bo Bo Bo Bo Bo Bo Bo Bo Bo Bo Bo Bo Bo Bo Bo Bo Bo Bo Bo Bo Bo Bo Bo... đáng đáng đáng đáng đáng đáng cũng nói, Tăng tốc GPU sử dụng thẻ M16 chỉ cần khởi chạy trước mô hình mà không cần lệnh đồng bộ. Không giống CUPS, thì không cần phải tiến hành như thế. Một trợ lý giáo sư tại đại học Wisconsin Madison, cũng đã kiểm tra khả năng học máy móc GPU của con chip M16, là M và M16 pro. Dễ hơn 46. Nó dường như là CPU M16 nhanh hơn GPU. Nhưng lenet-5 là một mạng lưới rất nhỏ, và MNIST là một nhóm dữ liệu rất nhỏ. Nếu bạn thử lại với hình ảnh đã được bố trí, kết quả là như sau: Có thể thấy rằng kết quả tăng tốc GPU của chuỗi M16 là rất ấn tượng, nó có thể đáp ứng nhu cầu của các nhà phát triển trong một số trường hợp. Tuy nhiên, chúng tôi biết rằng có 32, lõi của hệ thống thần kinh trong các loại chip như M16. Hiện tại, chỉ có mỗi bộ phận chính của Apple là hỗ trợ việc s ử dụng phần này để tăng tốc. Tôi tự hỏi tốc độ lập trình AI của con chip M16 có thể được cải thiện bao lâu sau khi kích hoạt động cơ thần kinh? : https://pytorch.org/blog/introducing-accelerated-pytorch-training-on-mac/https://sebastianraschka.com/blog/2022/pytorch Ồ! Hyên May 21, \

Mục Lục
Tin Tức