Wird Machine-Learning auf dem Macbook durch die neuen M1 und M1 Max Chips auf ein neues Level gehoben?
Hallo, Apple hat gestern die neuen Macbooks releast. Das Macbook Pro mit M1 Max-Chip hat unter anderem eine 10-Core CPU und 24 -Core GPU sowie 32 GB Ram. Wie würdet ihr diese Stats im Verhältnis zu den bisherigen PCs vergleichen, die beispielsweise fürs Machine-Learning konzipiert wurden? Bisher war es ja so, dass Macbooks für sowas eher suboptimal waren, bei den alten Macbook Pros mit M1 Chip hatte Apple aber schon damit geworben, dass die Macbooks im Machine-Learning Bereich einsatzfähig sind.
Bitte keine Windows vs. Apple Diskussion oder so, mir gehts um die nüchterne Bewertung 😅
2 Antworten
Kommt drauf an was du unter Machine Learning verstehst.
Deep Learning kannst du damit vergessen. Die GPUs und TPUs für DL Training sind von einem völlig anderen Kaliber (s. Nvidia Tesla GPUs).
https://commons.m.wikimedia.org/wiki/File:Data-center-tesla-v100-pcie-625-ud@2x.jpg
Mit einer RTX 2060, 8 GB VRAM und Cuda (Apple kriegt keine Updates mehr) geht es schon einigermaßen kleinere Deep Learning Aufgaben zu rechnen, aber damit ist es recht langsam.
"Machine Learning fähig" ist deshalb so ein toller Slogan, weil Machine Learning total weitläufig ist und auch einfache mathematische Algorithmen einschließt die auf Handys laufen (z. B. Nearest Neighbour).
![- (Computer, Technik, Spiele und Gaming)](https://images.gutefrage.net/media/fragen-antworten/bilder/422286735/0_big.jpg?v=1634671453000)
Tbh ich sehe den Mehrwert nicht wirklich.
Ich kenne zwar viele Data Scientists, die ein Macbook für Deep Learning verwenden, aber die nehmen es nur zum Programmieren. Der Workflow sieht dann so aus, auf dem Mac zu Programmieren und das Traning dann über SSH mit einem GPU Rechner/einer AWS Instanz zu orchestrieren.
Das liegt daran, dass die aktuellen Modelle aus Forschung und Entwicklung mittlerweile so groß sind, dass man spezielle Hardware (als zB Nvidea Tesla statt einer popeligen Desktop GPU) braucht.
Btw. Muss deine GPU auch erst mal von deiner ML Bibliothekt unterstützt werden, damit du irgendeinen Performance Benefit hast. Bei TensorFlow/PyTorch kommt das bestimmt irgendwann (dauert halt), bei Sklearn zB hast du mit der GPU keinen Vorteil
Der Workflow sieht dann so aus, auf dem Mac zu Programmieren und das Traning dann über SSH mit einem GPU Rechner/einer AWS Instanz zu orchestrieren.
Vielen Dank. Was meinst du denn, auf was für einem Preisniveau man sich bei solchen GPU-Rechnern bewegt? Dass man da nicht von 2000-3000 Euro reden kann, kann ich mir denken 😅 Ich werde mir in geraumer Zeit ohnehin wieder einen Computer besorgen und würde das dann vielleicht berücksichtigen. Ich glaube, dass AWS-Instanzen langfristig teurer sein dürften als ein GPU-Computer.