Apple lanzó una versión bifurcada de TensorFlow, el entorno de desarrollo de aprendizaje automático e inteligencia artificial de Google, optimizado para Intel Macs y Macs con el nuevo chip M1 de Apple
Al aprovechar el marco de trabajo ML Compute en macOS Big Sur, dice Apple, la versión optimizada para Mac de TensorFlow 2.4 permite a los desarrolladores aprovechar el entrenamiento acelerado del procesador (CPU) y la tarjeta gráfica (GPU) en hardware como la CPU de 8 núcleos del M1 y GPU de 8 núcleos.
El entrenamiento de modelos de IA sofisticados puede resultar prohibitivo para los desarrolladores. Por ejemplo, Google gastó aproximadamente $ 6,912 en capacitar a BERT, un modelo de transformador bidireccional que redefinió el estado del arte para 11 tareas de procesamiento del lenguaje natural. Si bien es probable que los modelos de capacitación como BERT permanezcan fuera del alcance de hardware básico como MacBooks, el nuevo paquete TensorFlow optimizado para Mac promete reducir la barrera de entrada, lo que permite a las empresas capacitar e implementar modelos de manera más fácil y económica que antes.
Según Apple, la nueva bifurcación de macOS de TensorFlow 2.4 comienza aplicando optimizaciones de nivel superior, como fusionar capas de la red neuronal, seleccionar el tipo de dispositivo adecuado y compilar y ejecutar el gráfico como primitivas que BNNS acelera en la CPU y Sombreadores de rendimiento de metal en la GPU. Los usuarios de TensorFlow pueden obtener un entrenamiento hasta 7 veces más rápido en la MacBook Pro de 13 pulgadas con M1, afirma Apple.
Los puntos de referencia internos de Apple muestran que los modelos populares como MobileNetV3 se entrenan en tan solo 1 segundo en una MacBook Pro de 13 pulgadas con M1 y la nueva versión de TensorFlow, en comparación con más de 2 segundos en la MacBook Pro de 13 pulgadas con tecnología Intel que ejecuta un TensorFlow más antiguo paquete. Además, la compañía afirma que entrenar un algoritmo de transferencia de estilo en una Mac Pro 2019 con tecnología Intel con las optimizaciones de TensorFlow se puede hacer en alrededor de 2 segundos frente a 6 segundos en las versiones de TensorFlow no optimizadas.
"Con TensorFlow 2, el mejor rendimiento de capacitación de su clase en una variedad de plataformas, dispositivos y hardware diferentes permite a los desarrolladores, ingenieros e investigadores trabajar en su plataforma preferida", escribieron el gerente del programa técnico de Google, Pankaj Kanwar, y el líder de marketing de productos, Fred Alcober. en una publicación de blog. "Estas mejoras, combinadas con la capacidad de los desarrolladores de Apple de poder ejecutar TensorFlow en iOS a través de TensorFlow Lite , continúan mostrando la amplitud y profundidad de TensorFlow para admitir la ejecución de aprendizaje automático de alto rendimiento en hardware de Apple".
Apple y Google dicen que los usuarios no necesitan realizar cambios en los scripts de TensorFlow existentes para usar ML Compute como backend para TensorFlow. En un futuro cercano, las empresas planean comenzar a integrar la versión bifurcada de TensorFlow 2.4 en la rama maestra de TensorFlow.
Gracias por visitar este sitio, espero que te haya gustado y vuelvas proximamente, compartela en las redes sociales, gracias
