Apple a livré son propre fork du framework d’apprentissage machine TensorFlow 2.4, spécialement optimisé pour son nouveau processeur M1. Selon la firme de Cupertino, la version compilée M1 de TensorFlow apporte plus de performances sur plusieurs benchmarks, comparé aux mêmes tâches exécutées sur une version Intel de la même édition 2020 du MacBook Pro.
Ce fork, livré en open source, nécessite MacOS en version 11.0 ou supérieure et fournit des accélérations sur des Mac équipés du processeur M1. Les scripts TensorFlow existants s’exécutent tels quels avec le fork. Ils n’ont pas besoin d’être retravaillés pour profiter des gains de performance. Selon VentureBeat, Apple prévoit de contribuer avec ces changements au projet TensorFlow principal pour qu’ils servent de base à d’autres optimisations.
Performances comparées de l'exécution de TensorFlow sur Mac équipés de puces Intel et de puces M1. (agrandir l'image/source Apple)
La transformation de TensorFlow par Apple est l’un des premiers exemples de la façon dont les M1 pour Macs sont destinés à attirer les développeurs vers la plateforme. Les puces M1 dans les nouveaux Mac remplacent les processeurs x86 d’Intel, mais ils peuvent faire tourner les logiciels existants compilés pour les x86 au moyen de la technologie de traduction binaire Rosetta2 d’Apple. Toutefois, les applications traduites par Rosetta2 subissent une perte de performances, certains benchmarks montrant une réduction de 59% par rapport à la vitesse de l’application native. Pour les applications sensibles aux performances, il vaut mieux les compiler pour qu’elles s’exécutent nativement sur le M1.