使用Mac系统下的GPU搭建机器学习环境

在我的印像中，一直认为在Mac下无法使用GPU进行训练，最近查阅了一些资料，才发我的认知太陈旧了。新版的Pytorch已经支持了多种类型的GPU，这其中也支持了Mac M1下的GPU。

今天我们就来看看该如何在Mac M1下使用GPU进入机器学习训练。

Anaconda还是Miniconada?

使用Python的人都会遇到库的安装、环境的管理问题，Conda就是这样一个工具来帮助你解决这些问题。

Anaconda想必大家比较熟悉，但是很多人并不知道还有个轻量化的Miniconda。对于有一定基础的Python使用者，我本人更推荐Miniconda的。

我个人感觉Anaconda太过笨重，很多人的电脑可能打开Anaconda都需要一点时间。图形化的界面在我看来反应比较迟钝，如果使用命令行其实还不如直接上Miniconda。

从这里下载Miniconda。假设我们使用的Python版本是3.10，执行下面的命令来安装Miniconda:

1	sh Minconda3-xxx-xxx...sh -b

然后执行下面的命令初始化conda:

1	~/miniconda3/bin/conda init

至此，Miniconda就安装好了。

当Miniconda安装好后，我们可以通过下面的命令创建一个新的Python环境:

1	conda create --name ml python=3.10 -y

上面我就使用conda创建了一个新的Python环境，名子叫ml，它使用的Python是3.10。
不过，虽然我们创建好了Python环境，但它还不能使用，因为在使用之前需要先将它激活。你可以使用下面的命令来激活它:

1	conda activate ml

另外，当我们不需要这个环境时，可以通过下面的命令退出：

1	conda deactivate

前面将Python环境设置好后，接下来就可以安装Pytorch了，命令如下：

1	conda install pytorch torchvision torchaudio -c pytorch

之后，你可以使用下面命令验证你的Mac M1中是否有可用的GPU:

1	python -c "import torch;print(torch.backends.mps.is_built())"

如果命令的返回结果为True，说明有GPU可用。

在Mac M1下的GPU称作mps，它类似于Nvidia的cuda。如果你想在Mac M1下使用GPU进行深度学习的训练，只需要将运算指定到mps上运行即可。

import torch
model = torch.nn.Linear(5,1).to('mps')
x = torch.randn(5).to('mps')
y = model(x)
pront(y.shape)

如上代码所示，该代先首先定义了一个最简单5x1的线性模形，并告诉Pytorch它在Mac M1的GPU上运行；然后给该模形创建一个输入，该输入也是在GPU
上，是一个5x5的tensor，最后输出运算结果的维度。

如果上面的代码可以正常运行，说明你Mac上的GPU确实可以正常工作。

如果你是一名机器学习的初学者，并且手上有一台Mac电脑的话，你可以直接使用Mac搭建机器学习环境进行学习。这样就可以节省一大笔钱了！