新的Mac优化的机器学习环境TensorFlow产生了一些重大的性能提升。尽管其中很大一部分是直到现在为止GPU还没有用于训练任务，但是基于M1的设备却获得了更大的收益，这表明大量此类流行的工作流程优化即将到来。

在TensorFlow和Apple博客上都宣布了这一改进后的Mac版本，在最佳情况下，它可以将常见训练任务的速度提高10倍以上。

对于在ML中工作并发现自己一直在等待模型烘烤的任何人来说，值得单独庆祝。但是事实是，以前版本的TF仅使用Mac上的CPU，而没有使用GPU中强大的并行处理器，这一事实可能会限制首先造成自身问题的人员。（大多数大规模的机器学习培训都是使用云计算完成的。）

从仅CPU到CPU + GPU的转变可能会带来很大的改进，因为基于Intel的Mac Pro上的基准测试表明，在相同的硬件上可以取得巨大的收益。现在只需几分之一秒即可测量一次在6-8秒范围内的训练时间。

这并不是说M1没有能力，但是新的M1 Mac也具有新的GPU，这意味着从2019年MacBook Pro上的任务将近10秒到新M1机器上的不到2秒的跳跃只能部分归因于苹果花式的第一方芯片。

我已要求Apple提供更多有关如何分解这些性能改进的信息，如果我有回音，它将进行更新。

对于开发人员而言，更重要的可能是M1设备的电池寿命和热量管理的改善。性能上的障碍都是不错的，但是如果它使您的机器变成热板，炸毁了风扇，让您在不到一个小时的时间内跑到插座，那将不是很好。幸运的是，M1在负载下似乎表现出了非凡的效率，既不消耗其储备，也不加热过多。

既然新的Mac已经淘汰，而且所有主要公司都可以发布过去几个月来一直在进行的更新，那么您可能会期望其中许多“现在在M1上效果更好”的故事。