云原生集成开发环境——TitanIDE
通过网页在任何地方更安全、更高效地编码想要获得最大程度的云原生收益?
您应即刻采取行动,以云原生方式构建新的应用或是改造旧有应用。 传统的"刀耕火种"式开发工具和云原生格格不入,您需要云原生数字化创新平台。云原生平台貌似很多,但聚焦于开发的很少,而这是云原生之旅极为重要的起点
我们迫不及待地想要与您分享和探讨我们的独特方案,相信对您的云原生实践一定会有所帮助。
如果您刚刚开始探索云原生世界,这些工具将让您快速获得不同的云原生能力; 如果您已经踏上云原生之旅,相信这些可插拔的工具定会让您的云原生体系如虎添翼
如何从无到有快速开发、上线您的业务?即刻体验行云Methodot,感受为开发者准备的专业低代码线上服务,更可通过”有代码 + 低代码“结合方式满足各类多变业务需求
2022-05-06
377
自从Apple Silicon推出以来,由于其出色的性能表现,一再在测评圈刷屏。M1 Max芯片更是由于使用了大容量统一内存而获得了专业用户的青睐。但细品以后你会发现,Apple Silicon的卓越性能几乎只体现在了视频编辑领域,那么在机器学习这样的领域它又表现如何呢?毕竟一块RTX 3090Ti显卡的价格已经相当于一台M1 Pro版Mac Studio了,而且最高128GB的高速共享显存实在是太诱人了。
在Apple Silicon上做Benchmark的数据并不多,主要原因是早期主要的AI框架(Tensorflow和PyTorch)并不支持Apple Silicon,无法充分使用其显卡和神经网络单元。随后Apple推出了基于Metal API的Tensorflow版本tensorflow-macos,基于Tensorflow的模型可以获得Apple Silicon的加速。听起来还不错,但实际的情况是怎样的呢。由于tensorflow-macos是闭源的,一些关键问题无法得到回复(如Adam算法无法在Intel版本上运行,持续的内存泄漏等,参考https://developer.apple.com/forums/thread/691917),没有修复时间表,用户也无法自己解决。PyTorch和Apple Silicon的相互支持事宜甚至都还没有日程,甚至有用户认为由于Apple和Facebook的商务纠纷,这一天将永远不会到来(参考https://github.com/pytorch/pytorch/issues/47702)。
在开源软件大行其道的今天,使用闭源组件作为复杂系统的一部分会是非常不明知的选择。纵然Apple Silicon可能性能卓越,除非出现基于Apple Silicon的开源方案,否则NVIDIA显卡依然是唯一的选择。但传说如今3080/90显卡中矿渣居多,所以在40系显卡问世前租用一台线上显卡或许也值得考虑。
Copyright @ 2016-2023 CloudToGo.cn 深圳行云创新科技有限公司 版权所有 |粤ICP备17026550号
电话总机:400-008-9160 市场合作:marketing@cloudtogo.cn