機械学習環境TensorFlowのMac向けに最適化された新しいフォークが、大幅なパフォーマンス向上を記録しました。その大きな要因は、これまでGPUがトレーニングタスクに使用されていなかったこと（！）ですが、M1ベースのデバイスではさらなるパフォーマンス向上が見られ、今回のような人気のワークフロー最適化が次々と導入されることを示唆しています。
TensorFlow と Apple の両方のブログで発表された改良された Mac バージョンでは、一般的なトレーニング タスクの速度が最良の場合で 10 倍以上向上します。
機械学習に携わり、モデルのベイクを常に待たされている人にとっては、それ自体が喜ばしいことです。しかし、TFの以前のバージョンではMacのCPUのみを利用し、GPUの強力な並列プロセッサは利用していなかったため、そもそもこの問題に悩まされる人が限られていたのでしょう。（大規模な機械学習トレーニングのほとんどはクラウドコンピューティングを利用しています。）
CPUのみからCPU+GPUへの変更は、この改善の大きな要因となっている可能性があります。IntelベースのMac Proのベンチマークでは、同じハードウェアで大幅なパフォーマンス向上が見られました。かつては6～8秒かかっていたトレーニング時間は、今では数分の1秒単位にまで短縮されています。
AppleはApple Siliconファミリーの最初のチップであるM1を発表した。
M1 が機能しないというわけではないが、新しい M1 Mac には新しい GPU も搭載されているため、2019 MacBook Pro でのタスクの約 10 秒から新しい M1 マシンでの 2 秒未満への飛躍は、部分的には Apple の高性能なファーストパーティ シリコンによるところが大きい。
テッククランチイベント
サンフランシスコ | 2025年10月27日～29日
私は Apple に問い合わせて、最適化されていないコードを実行している M1 デバイスの数値 (改善点をうまく説明できる数値) などの詳細情報を求めたが、担当者はそのような数値は持っていないと述べた。
いずれにせよ、開発者にとってより重要なのは、M1デバイスのバッテリー駆動時間と熱管理の改善でしょう。パフォーマンスの向上は確かに素晴らしいことですが、マシンが熱くなり、ファンがガンガン回り、1時間以内にコンセントに駆け込むような事態になったら、あまり良いことではありません。幸いなことに、M1は高負荷時でも驚くほどの効率性を発揮しているようで、バッテリーを消耗したり、過度に発熱したりすることはありません。
新しい Mac が発売され、すべての大手企業がここ数か月間保留していたアップデートを出荷できるようになったため、「M1 でより快適に動作するようになりました」という話が多く聞かれるようになると思います。
MacBook Air M1レビュー：ほとんどの人に最適なApple Silicon Mac
トピック
デヴィン・コールドウェイはシアトルを拠点とする作家兼写真家です。
彼の個人ウェブサイトは coldewey.cc です。
バイオを見る
