苹果今天发布了TensorFlow的分支版本，TensorFlow是Google的AI和机器学习开发环境，针对Intel Mac和采用Apple新M1芯片支持的Mac进行了优化。苹果表示，通过利用macOS Big Sur上的ML Compute框架，针对Mac优化的TensorFlow 2.4版本使开发人员可以在M1的8核CPU等硬件上利用加速的处理器(CPU)和图形卡(GPU)培训和8核GPU。
培训复杂的AI模型对于开发人员来说可能是非常昂贵的。例如，谷歌花费了大约6,912美元来培训BERT，这是一种双向变压器模型，可以重新定义11种自然语言处理任务的最新状态。尽管像BERT这样的培训模型可能仍无法像MacBooks这样的商用硬件所能提供，但经过Mac优化的新TensorFlow软件包有望降低进入门槛，使企业能够比以前更轻松，更便宜地培训和部署模型。
根据Apple的说法，TensorFlow 2.4的新macOS分支从应用更高级别的优化开始，例如融合神经网络的层，选择合适的设备类型，将图形编译并执行为由BNNS在CPU和CPU上加速的图元。GPU上的金属性能着色器。苹果声称，TensorFlow用户可以在配备M1的13英寸MacBook Pro上获得多达7倍的培训速度。
苹果公司的内部基准测试表明，像MobileNetV3这样的流行型号在配备M1和新TensorFlow的13英寸MacBook Pro上的训练时间仅为1秒，而在运行旧版TensorFlow的采用英特尔技术的13英寸MacBook Pro上，训练时间仅为2秒包。此外，该公司声称，在Intel驱动的2019 Mac Pro上使用TensorFlow优化训练样式转移算法可以在大约2秒钟内完成，而在未优化的TensorFlow版本上则需要6秒。
Google技术计划经理Pankaj Kanwar和产品营销负责人Fred Alcober写道：“借助TensorFlow 2，它可以在各种不同的平台，设备和硬件上提供一流的培训，从而使开发人员，工程师和研究人员可以在他们喜欢的平台上工作。在博客文章中。“这些改进，加上苹果开发人员能够通过TensorFlow Lite在iOS上执行TensorFlow的能力，继续展示了TensorFlow在支持Apple硬件上高性能ML执行方面的广度和深度。”
苹果和谷歌表示，用户无需更改现有的TensorFlow脚本即可使用ML Compute作为TensorFlow的后端。在不久的将来，两家公司计划开始将分支版本的TensorFlow 2.4集成到TensorFlow master分支中。
