能用苹果M1 Mac Mini来机器学习吗？

Kevin
2021-02-07
人工智能
m1芯片, Mac mini, 环境, 苹果

苹果去年底发布来M1芯片的Mac Pro, Mac Air和Mac Mini，搭载M1芯片的Mac据说速度和功耗都比之前的系列有了大幅提升，其中最令我兴奋的是便宜的Mac Mini，因为它具备超高的性价比令人折服。网上有很多测评都对M1芯片的机器进行视频剪辑，多任务运行速度比较，我却更关心它是否能用于机器学习，有玩家声称用它来训练模型，性能能达到RTX2080差不多的水平。我也迅速入手一台，看看看看M1芯片有多厉害。

M1芯片简介

M1是首款用于个人电脑的5纳米芯片，苹果宣称该芯片在所有低功耗中央处理器产品中性能最佳，同时具有最佳的性能功耗比。该芯片内有四个高性能“Firestorm”核心和四个低功耗“Icestorm”核心，结构类似ARM的big.LITTLE和英特尔的“Lakefield”系列架构。这样的架构能实现以往苹果-英特尔架构无法达到的能效比优化。苹果宣称低功耗核心只需要高性能核心十分之一的电量。四个高性能核心均有192 KB指令缓存和128 KB数据缓存，并共享12 MB二级缓存；四个低功耗核心均有128 KB指令缓存和64 KB数据缓存，并共享4 MB二级缓存。“Icestorm”的“E集群”频率为0.6–2.064 GHz，最高功耗为1.3 W，而”Firestorm“的“P集群”的频率为0.6–3.204 GHz，最高功耗为13.8 W。M1芯片还包含苹果自己设计的8核（部分型号为7核）图形处理器（GPU）。苹果宣称它可以同时执行25,000个线程。芯片还有一个专用的16核神经网络引擎，可以每秒执行11兆次运算。芯片其他组成部分还包括图像处理器（ISP）、NVM存储、Thunderbolt 4控制器和Secure Enclave。

软件安装

收到机器后，自然是迫不及待地安装各种软件测试，为了测试机器学习有关的软件，我选择安装了下面软件。

Conda
Conda是一个懒人安装工具，而且率先支持了M1芯片的cpu，因此要先安装，能够帮你跳过很多坑。
首先要安装Xcode
```
xcode-select --install
```
然后到Miniforge的github下载安装
Github：https://github.com/conda-forge/miniforge

找到支持苹果Apple Silicon的链接

wget https://github.com/conda-forge/miniforge/releases/latest/download/Mambaforge-MacOSX-arm64.sh
bash Mambaforge-MacOSX-arm64.sh

Python 3.7
选择安装python 3.7是因为暂时3.7版本的python兼容性还是最好的
```
conda install python=3.7
```
Jupyter Lab
因为Mini是放在办公室的，Jupyter是必不可少的远程开发工具，同样可以使用Conda来安装。
```
conda install -c conda-forge jupyterlab
```
Tensorflow
先创建一个tf的环境，
```
python3 -m venv tf_env
source my_env/bin/activate
```
然后下载运行苹果提供的tensorflow版本。
```
/bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/apple/tensorflow_macos/master/scripts/download_and_install.sh)"
```
这里要主要，如果网速不佳，可以直接到苹果的GitHub看看脚本内容，一步步运行。
这是苹果tensorflow 脚本github：https://github.com/apple/tensorflow_macos

从安装脚本可以看出，苹果实际上是修改好一个tensorflow的版本和对应的依赖，下载到你的机器上。

安装好tensorflow后检查一下版本，可以发现，tf版本是2.4的

python -c "import tensorflow as tf; print(tf.__version__)" 
2.4.0-rc0

数据比较

经过一番折腾以后，终于完成来基本环境的构建。通过把一下旧项目迁移到M1上测试，并不顺利，因为tensorflow 版本过高，需要改进才能运行。我找到国外开发人员把同CPU和GPU进行横向比较，可见M1可以渠道RTX 2080 Super的水平，实在令人惊讶，然而最便宜的M1 Mac mini只要5千多块，比起RTX 2080 Super要划算太多。
但是，要使用到苹果的Neural Engine，就需要把模型转到苹果的Core ML框架，这里还没时间测试暂时不献丑。