不要梭哈，分摊成本

@LadyChunsKite 是啊，所以真的可以再等等，台积电说明年的 5nm 技术有大优化。

@mmtromsb456 我一开始的理解也是 NPU 无法直接加速训练，他这个视频里说的是 ML 调用的神经网络引擎，tensorflow 调用不了。

@jmc891205 他这个是用 CoreML 调用了那个 NPU

补充一下，B 站有 up 主测试了 M1 的神经网络训练速度：

“更新一组数据，M1+Core ML 的训练时间为 139 秒，精度为 98.91%，离 1080Ti 还是很有距离的，大约慢了两倍。”
M1 大约在 139 秒，1080ti 在 52.96 秒。且 M1 训练精度差一些。

看来 M1 能打是能打，但还没至于颠覆的地步。

@superlc 看看后续评测吧，1660 级别的速度其实对于小项目也足够了，我目前就用的 1660s 哈哈

@superlc 是的，我是初学，弄了个 1660s 做一些本地的小的项目。这样看 2080 以下的计算卡都没存在必要了。

@mikeven 官网 blog 的测试应该只是 gpu 的测试，如果 npu 可以计算的话， 这篇 blog 说能接近 2080ti 的算力。。。看看后续评测吧，我比较怀疑。

https://medium.com/disruptive-nerd/how-is-the-apple-m1-going-to-affect-machine-learning-2d9da1beef86

@Issacx 貌似那个 NPU 只能运行不能训练 model，看看后续什么操作吧。

@mikeven 5L 的 blog 有数据，twitter 上有人说近似 1080ti，我不是很相信。

@Escapist367 哈哈不是果蛆，我都没用过苹果的东西，之前买的 intel 的幽灵峡谷，搭配的 N 卡跑数据。就是看到 M1 的表现有点震惊。。

https://blog.tensorflow.org/2020/11/accelerating-tensorflow-performance-on-mac.html

补上 tensorflow 的 blog 链接

@westoy 是的，现在顶配才 16G，可能确实不太够？等明年的高端线更新，感觉可以冲了，mbp 跑 ML 这么快真黑科技，颠覆我的认知了。。