【译】在 Mac 上加速 PyTorch 训练
写在前面
- 为什么突然深度介入大模型领域了
因为最近在评估大模型用于行业应用，通过 OpenCompass 排行榜了解到了很多大模型，像文心一言是自己深度试用过的，趁着这次评估，也体验或者通过其他团队的介绍了解了通义千问、清华智谱、书生·浦语。
- 为什么翻译这篇文章
从清华智普开源的 ChatGLM3-6B 模型看到说苹果电脑本地（苹果芯片或者带了 AMD 独立显卡的）运行大模型有 MPS 在后面，不用关心显存，所以准备安装了环境，自己来深度体验一下ChatGLM3-6B的微调，这里要感谢 ChatGLM3-6B 的官方文档，写的很详细。
Mac开发者无需关注GPU的限制。对于搭载了 Apple Silicon 或者 AMD GPU 的 Mac，可以使用 MPS 后端来在 GPU 上运行 ChatGLM3-6B。需要参考 Apple 的 官方说明 安装 PyTorch-Nightly（正确的版本号应该是2.x.x.dev2023xxxx，而不是 2.x.x）。
原文地址：Accelerated PyTorch training on Mac
以下是译文
一、Metal 加速
PyTorch 使用新的 Metal Performance Shaders (MPS) 后端为 GPU 训练加速。MPS 后端扩展了 PyTorch 框架，提供了在 Mac 上设置和运行操作的脚本和功能。MPS 框架通过针对每个 Metal GPU 系列的独特特性进行微调的内核来优化计算性能。新的 MPS 设备将机器学习计算图形和基元映射到 MPS Graph 框架和 MPS 提供的调整内核上。
二、要求
- 配备 Apple silicon 或 AMD GPU 的 Mac 电脑
- macOS 12.3 或更高版本
- Python 3.7 或更高版本
- Xcode 命令行工具：xcode-select --install
三、开始
您可以使用 Anaconda 或 pip。请注意，使用 Apple 芯片的 Mac 和使用 Intel x86 的 Mac 的环境设置会有所不同。
使用安装页面上的 PyTorch 安装选择器，为 MPS 设备加速选择 Preview (Nightly)。MPS 后端支持是 PyTorch 1.12 正式版的一部分。PyTorch 的预览版（夜间版）将为您的设备提供最新的 MPS 支持。
- 设置
Anaconda
Apple silicon
curl -O https://repo.anaconda.com/miniconda/Miniconda3-latest-MacOSX-arm64.sh
sh Miniconda3-latest-MacOSX-arm64.sh
x86
curl -O https://repo.anaconda.com/miniconda/Miniconda3-latest-MacOSX-x86_64.sh
sh Miniconda3-latest-MacOSX-x86_64.sh
pip
你可以使用 macOS 预装的 pip3。或者，你也可以从 Python 网站或 Homebrew 软件包管理器中安装。
- 安装
Anaconda
conda install pytorch torchvision torchaudio -c pytorch-nightly
pip
pip3 install --pre torch torchvision torchaudio --extra-index-url https://download.pytorch.org/whl/nightly/cpu
从源代码构建
构建支持 MPS 的 PyTorch 需要 Xcode 13.3.1 或更高版本。您可以从 Mac App Store 下载最新的公开 Xcode 版本，或从 Mac App Store 下载最新的测试版，或从 Apple Developer 网站下载最新的测试版。USE_MPS 环境变量控制 PyTorch 的构建，并包含 MPS 支持。
要构建 PyTorch，请遵循 PyTorch 网站上提供的说明。
- 验证
您可以使用简单的 Python 脚本验证 MPS 支持：
import torch
if torch.backends.mps.is_available():
mps_device = torch.device("mps")
x = torch.ones(1, device=mps_device)
print (x)
else:
print ("MPS device not found.")
输出结果应显示
tensor([1.], device='mps:0')
四、反馈意见
MPS 后端处于测试阶段，我们正在积极解决问题和修复错误。要报告问题，请使用 GitHub 问题跟踪器，标签为 “module: mps”。
五、Resources
- PyTorch installation page
- PyTorch documentation on MPS backend
- Add a new PyTorch operation to MPS backend
- PyTorch performance profiling using MPS profiler