小弟目前就讀資管系,這一年購入了大量蘋果設備(手機、手錶、平板及耳機),整體生態讓我非常滿意! 而就在今天凌晨看完WWDC後,新的MAC界面及功能讓我快受不了了,然而從小到大寫程式用的都是windows 系統,如果要跑深度學習又更需要N卡,如果真的購入了未來出社會不知道會不會被MacOS 弄得礙手礙腳的 想請問板上有沒有相關領域工作者可以提供一下心得把我用力推進坑
蘋果的神經網路晶片與許多其他廠商的AI/ML加速晶片產品趨向,應該大致一樣,都屬於推論功能的晶片也就是強調加強模型推論的能力,對於目前耗時的瓶頸:模型訓練,不如 GPU/TPU/FPGA 等助益來得大但是他們來日可以彈性針對不同用途客製化,也適合放在終端的裝置上,因為這些裝置通常有低耗電、低運算量或是資源少的使用情境/限制存在只是說,蘋果通常只大力支援自家的 SDK 與服務,它不會主動去幫你加速其他框架他們著重希望你使用 CoreML 來做 Mac/iDevice 的機器學習「App 應用」開發。可以看看別人的教學:https://www.raywenderlich.com/7960296-core-ml-and-vision-tutorial-on-device-training-on-ios業界主流框架是 Google 的 TensorFlow 或近期學界好評的 PyTorch,TensorFlow 提供全套深度學習流程,支援成熟度算得上是佼佼者,只是在你學習的路上搭配 N 家 GPU 或 G 家的 TPU 可縮短模型訓練時間,才有「過癮」的感覺(誤) AMD 卡可以搭配自家開發的 Rocm 套件來使用 TensorFlow, 不過版本支援度,通常不會如官方版組合(G+N)來得快就是了所幸的是不少雲端提供這些服務可以讓你來處理訓練模型的這部分,在學界你更有機會可以使用國網高速中心的機器用 win 或 mac 應該不會有大礙,看你習慣哪個操作介面如果你的機器近幾年的 intel 處理器,可以試玩他們的 Clear Linux, 有針對深度學習、資料分析提供最佳化的套件與 Docker 檔也有人配上 AMD 近期的 E/T/R 晶片,效果爆好,不過我個人的經驗是主機板支援度要找一下,可同開高速 PCI 匯流排的更好。