B 站有 up 主测试了 M1 芯片神经网络训练的时间,大概是 1080ti 的两倍 - V2EX
V2EX = way to explore
V2EX 是一个关于分享和探索的地方
现在注册
已注册用户请  登录
shizishanxia
V2EX    问与答

B 站有 up 主测试了 M1 芯片神经网络训练的时间,大概是 1080ti 的两倍

  •  1
     
  •   shizishanxia 2020-11-21 14:40:09 +08:00 4726 次点击
    这是一个创建于 1831 天前的主题,其中的信息可能已经有所发展或是发生改变。

    原结论:“更新一组数据,M1+Core ML 的训练时间为 139 秒,精度为 98.91%,离 1080Ti 还是很有距离的,大约慢了两倍。” M1 大约在 139 秒,1080ti 在 52.96 秒。且 M1 训练精度差一些。

    看来 M1 芯片能打是能打,但还没至于颠覆的地步。单说神经网络训练这块,应该是近似于 1060 的性能。当然高负荷工作能力可能不如 1060 。

    放上链接: https://www.bilibili.com/video/BV1X54y1r7zt#reply3730718614

    14 条回复    2020-11-22 08:11:49 +08:00
    jmc891205
        1
    jmc891205  
       2020-11-21 14:48:00 +08:00 via iPhone
    为什么要用 cpu 去和 gpu 比神经网络的训练速度。。。
    shizishanxia
        2
    shizishanxia  
    OP
       2020-11-21 14:51:19 +08:00
    @jmc891205 他这个是用 CoreML 调用了那个 NPU
    CommandZi
        3
    CommandZi  
       2020-11-21 15:02:37 +08:00
    类似的测试可以做很多,比如说 1080ti 运行个游戏,帧数肯定是 M1 的几倍,然后得出结论「没至于颠覆的地步」?

    这里问题是大家对「颠覆」的定义是什么?

    像我是做软件开发的,包括 iOS 开发,根据
    https://github.com/devMEremenko/XcodeBenchmark
    这里的测试结果,M1 对我来说就是颠覆了,很能打。提高生产率的同时还省钱了,对我来说没有比这更颠覆的事情了好吗!
    wzzzx
        5
    wzzzx  
       2020-11-21 16:09:12 +08:00
    @CommandZi #3 这测试着实吓到我了
    wanguorui123
        6
    wanguorui123  
       2020-11-21 17:30:23 +08:00 via iPhone
    Apple M1 没用 HBM2 超高带宽内存
    funcookies
        7
    funcookies  
       2020-11-21 18:31:04 +08:00 via iPhone
    emm,合着 M1 要同时拳打 9900K 脚踢 1080Ti 压力有点大啊
    levelworm
        8
    levelworm  
       2020-11-21 20:54:12 +08:00 via Android
    @CommandZi 不知道对开发工具的支持怎么样。毕竟还是有坑。
    Cielsky
        9
    Cielsky  
       2020-11-21 22:04:43 +08:00   1
    Intel:姓 A 的果然没一个好东西
    LadyChunsKite
        10
    LadyChunsKite  
       2020-11-21 23:30:58 +08:00 via iPhone
    挺心动的。想等接下来的 16 寸。
    我有个疑问,MacBook 的发布时间好像不太规律?今年发布了 2 次 MacBook Air ?那明年什么时候发布 Pro,3 月份还是 11 月份?
    mmtromsb456
        11
    mmtromsb456  
       2020-11-21 23:41:58 +08:00 via iPhone
    @shizishanxia 是 ML Compute 框架,而且只用到了 M1 的 GPU,目前 ML Compute 框架并不支持 NPU,并且 NPU 目前也只能用来加速推理还不能用来加速训练
    Xi
        12
    Xi  
       2020-11-21 23:48:48 +08:00
    是没超过 1060ti,但是想想它们两个的功耗,还是以后优化的空间,
    shizishanxia
        14
    shizishanxia  
    OP
       2020-11-22 08:11:49 +08:00
    @LadyChunsKite 是啊,所以真的可以再等等,台积电说明年的 5nm 技术有大优化。
    关于     帮助文档     自助推广系统     博客     API     FAQ     Solana     906 人在线   最高记录 6679       Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.5 24ms UTC 20:29 PVG 04:29 LAX 12:29 JFK 15:29
    Do have faith in what you're doing.
    ubao msn snddm index pchome yahoo rakuten mypaper meadowduck bidyahoo youbao zxmzxm asda bnvcg cvbfg dfscv mmhjk xxddc yybgb zznbn ccubao uaitu acv GXCV ET GDG YH FG BCVB FJFH CBRE CBC GDG ET54 WRWR RWER WREW WRWER RWER SDG EW SF DSFSF fbbs ubao fhd dfg ewr dg df ewwr ewwr et ruyut utut dfg fgd gdfgt etg dfgt dfgd ert4 gd fgg wr 235 wer3 we vsdf sdf gdf ert xcv sdf rwer hfd dfg cvb rwf afb dfh jgh bmn lgh rty gfds cxv xcv xcs vdas fdf fgd cv sdf tert sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf sdf shasha9178 shasha9178 shasha9178 shasha9178 shasha9178 liflif2 liflif2 liflif2 liflif2 liflif2 liblib3 liblib3 liblib3 liblib3 liblib3 zhazha444 zhazha444 zhazha444 zhazha444 zhazha444 dende5 dende denden denden2 denden21 fenfen9 fenf619 fen619 fenfe9 fe619 sdf sdf sdf sdf sdf zhazh90 zhazh0 zhaa50 zha90 zh590 zho zhoz zhozh zhozho zhozho2 lislis lls95 lili95 lils5 liss9 sdf0ty987 sdft876 sdft9876 sdf09876 sd0t9876 sdf0ty98 sdf0976 sdf0ty986 sdf0ty96 sdf0t76 sdf0876 df0ty98 sf0t876 sd0ty76 sdy76 sdf76 sdf0t76 sdf0ty9 sdf0ty98 sdf0ty987 sdf0ty98 sdf6676 sdf876 sd876 sd876 sdf6 sdf6 sdf9876 sdf0t sdf06 sdf0ty9776 sdf0ty9776 sdf0ty76 sdf8876 sdf0t sd6 sdf06 s688876 sd688 sdf86