比较Apple Silicon M2 Max GPU在使用TensorFlow训练MLP、CNN和LSTM模型时与Nvidia V100、P100和T4的性能。
Apple M1于2020年11月发布，它是在以英特尔为主导的计算机世界中的一场革命。这些新的M1 Mac在许多基准测试中展现出了令人印象深刻的性能，因为M1比大多数高端台式计算机更快，但能耗只是它们的一小部分。
这是我之前针对M1的基准测试：
Benchmark M1 vs Xeon® vs Core i5 vs K80 and T4
M1 competes with 20 cores Xeon® on TensorFlow training
在2023年1月，Apple宣布了新的M2 Pro和M2 Max。根据它们的规格，我们可以期待良好的性能提升，特别是GPU方面。
这款M2 Max拥有30个GPU核心，因此我们从拥有38个GPU核心的版本的13.6 TFLOPS中估算出10.7 TFLOPS。
相比之下，M2 Max 38个核心的GPU可以达到13.6 TFlops。下面的测试将展示单单TFlops并不能用于预估这些GPU的实际性能。
为了获得可比较的结果，我使用默认的TensorFlow FP32浮点精度进行了每个测试。
您可以通过运行以下代码验证此精度：
tf.keras.backend.floatx()'float32'设置
在本文中，我对使用Nvidia V100、P100和T4以及MLP、CNN和LSTM的TensorFlow模型进行了M2 Max GPU的基准测试。
在M1和M2 Max计算机上，环境是在miniforge下创建的。只安装了以下软件包：
conda install python=3.10conda install tensorflowconda...