前言
最近用mac学习深度学习时越来越感觉硬件的重要…随便跑个小demo都温度90+，听闻最近Pytorch适配了M1芯片，正好试试能否有所提升！
准备
miniforge是要安的，bash Miniforge3-MacOSX-arm64.sh。
然后我们上pytorch官网看一下pytorch的情况，可以看到有稳定版和预览版两种，其中预览版是支持GPU加速的。
稳定版：
预览版：
这里提到的MPS加速是指用苹果的Metal Performance Shaders (MPS)作为Pytorch后端启用GPU加速训练。
安装
我的conda环境之前安装过稳定版：conda install pytorch torchvision -c pytorch
这里的 -c 参数是指定channel，即软件下载的渠道。所以conda本身是没有这个包的，要从pytorch的channel下载。
这时在终端中进入安装稳定版的环境，启用python，输入torch.__version__可以查看到当前的版本是1.8.0（这里挺奇怪的，官网说MacOS不支持1.8的…）:
下面我们安装预览版试一下：conda install pytorch torchvision -c pytorch-nightly
可以看到下载的已经是1.13版本了：
安完之后有个无语的问题，conda help不能用了，可能是安装了4.13版本的问题..用-h就好了。
测试
有一个现成的测试
但是发现mps和cpu没有区别呀，如图：
倒是发现了一个BUG，标准化地方要改成如下，否则报错：transforms.Normalize((0.5,),(0.5,)),
然后又用我自己的代码小测一下，发现好像…还是没区别：
结论：Mac目前的GPU加速就是个笑话😅。
22.09.08更新
不知为何之前的测试代码中mps和cpu表现相似，但确实有一些训练使用mps是更加迅速的，如下图：
明显可以看到速度是快很多的，详细信息在链接文章的末尾。
但使用gpu（mps）训练有些时候也很麻烦，可能是因为显存不足的原因，有些时候会训练不出结果，收敛性很差。
