现在买 MacBook Pro M1 pro 版做开发，还有什么坑不？

我也有个问题 , mac 上 docker 的话内存占用大吗

mac 上的 docker 卡，慢，占内存

docker 适配了，但是容器好像有问题吧，仓库里的都是 x86 的，好想 arm 的容器很少。

docker 性能很差，大概只有直接运行的 10%（ x86 ）到 40%（ ARM ）的性能，打包 x86 比较麻烦，在 x86 镜像里跑的程序无法监视文件改动，许多依赖这个功能的程序会出问题，还会随机崩溃
深度学习相关的生态很差，tensorflow 慢，pytorch 随机报错
有些项目需要老版本的开发工具，而适配 m1 的都是新版本
oracle db 和 sql server 没有支持
各种桌面软件的稳定性都比较差，而且占用了比以前更多的内存

性能没有想象中那么好，感觉不如 Ryzen 5800U ，只有发热和续航比以前好

@ShadowPower 如果对 docker 的要求低一点，比如只要 mysql ，redis 之类的常用基础镜像能跑，开发可用，可以打包构建，是不是可以接受？毕竟我对 mac 的定位是，用着舒服，也能提高开发效率。AI 之类的事情，我都是从 Linux 上去做

@gevin 如果是这个要求的话，可以上了。毕竟 mac 用户群国内国外都很广，即使有啥问题，很快也能修复，基础的开发需求没啥大问题的。
但 intel 12 代移动端马上出来了，同样大小核设计，功耗控制优秀，不等等吗？

目前新的 docker 镜像都支持多平台构建了，用的是 docker buildx 。旧的、不维护的就比较麻烦了，除非自己 fork 一份，重新构建上传。

@rongchuan MacBook 不会再去用 Intel 了把.

@ShadowPower docker 不太清楚。但是深度学习的生态应该没有啥问题，TensorFlow 旧版本没有编译好的 ARM 包，需要自己编译，pytorch 倒没有任何问题。其他的科学计算相关的包也都没啥问题。但是相比之前的 intel ，pytorch 调试不会出现风扇乱叫的情况了。总之，目前来说，炼丹相关的操作没啥问题，体验比之前的 intel 好太多了。

@conhost 大佬，我这几天试了一下 tensorflow 发现不装 tensorflow-metal ，就是用 CPU 跑训练比装了 tensorflow-metal(0.2.0) 用 GPU 跑训练要快。
CPU 要 8 秒，但 GPU 要 60 秒的样子。
网上有人说是因为数据来少的时候，GPU 不显优势，是这原因吗？

@0Vincent0Zhang0 不再 docker 里编译一下要多长时间，i9 19 年的 16 寸 要 20 多分钟

@emeab 肯定不会呀。以我的使用场景来说，mac 和 win 一样的，如果 intel 12 代给力的话，我肯定就用 win 了

有没搞 UE4 开发得大佬说说感受

正式版 GCC 还不支持 m1, 因此用到 fortan 的 python 模块（主要是 blas 和 lapack ）并不是使用正式版 GCC 编译的，而是使用了一个移植了一半的 GCC 分支

@TaiQi 试了一下，编译 scala 代码的时候会报 Missing dependency 'object java.lang.Object in compiler mirror'，估计是 zulu-jdk 和 scala 的兼容问题，但又找不到 open-jdk-8/11 macos aarch64 可以下载，所以暂时可能只能在 docker 里编译了。

@ShadowPower #4
前端开发如何？
可能还会涉及到 docker 上的 PHP 、redis 、mysql （目前 intel mbp 就用了这么几个）。

@FakerLeung 前端开发应该没什么问题，这几个都有 arm 版本的 docker 镜像

@0Vincent0Zhang0 我没训过，我只是用 MBP 来开发，调试。代码跑通之后直接就放服务器了。但是理论上来说不存在 batch 小的时候 CPU 比 GPU 快的情况

@0Vincent0Zhang0 应该还是 tf 的优化问题，具体可以参考一下： https://developer.apple.com/forums/thread/687654

再好的路，穿了一双码数不对的鞋，照样还是会摔跤
鞋得自己选，路得自己走，总会有坑，也总会有方法爬出来的
冲就完事了，奥利给！
正经回答：
上一次用 docker 还是 beta 版，基本是可以运行了，问题不大，现在好像已经有正式版了吧
python 的话之前经常用 flask 写点小工具，没什么大问题，有时候有些库会没有或者需要自己编译适合 m1 的版本，不过现在适配的也越来越多了

@ShadowPower #18
好的，估计搞一台 16+256 的 air 开发，就够了。

@conhost pytorch 又报了这个错……
Process finished with exit code 139 (interrupted by signal 11: SIGSEGV)

@ShadowPower 我没遇到过，如果可以的话能不能说下的用的 torch 的版本号和你跑的代码呢？或者也可以用 tg 找我 @i3esn0w

@conhost 是 1.9 版本，代码没办法给……
因为遇到的频率非常低，不能稳定复现，也不知道能用什么简短的代码来复现它。

@ShadowPower 那你可以降一下版本试试，我目前在用的是 1.8 ，没遇到过这样的问题。不过也有可能我只是调试，并没有实际训练。