Macbookm1およびpythonライブラリ[クローズ]
Dec 02 2020
新しいmacbookm1はデータサイエンスに適していますか？
pandas、numpy、sklearnなどのデータサイエンスPythonライブラリはmacbook m1（Apple Silicon）チップで動作しますか？また、前世代のIntelベースのmacbookと比較してどれくらい高速ですか？
回答
23 jakub Dec 02 2020 at 00:43
このGitHubリポジトリには、AppleM1チップとPythonのデータサイエンスに関する有用な情報がたくさんあります。 https://github.com/neurolabusc/AppleSiliconForNeuroimaging。以下に代表的な引用を含めました。
TL; DR
あなたが開発者でない限り、私は科学者が短期的にアップルシリコンコンピュータを購入することを強く思いとどまらせます。生産的な作業には、コアツールを移植する必要があります。長期的には、このアーキテクチャは科学に大きな影響を与える可能性があります。特に、AppleがCPUの驚くべき電力効率を活用し（AWS Gravitonと競合）、コンピューティングタスクにMetal言語とGPUを活用する（NVidiaのTesla製品とCUDA言語と競合する）サーバーを開発する場合。
Appleシリコンが直面している制限
科学者が依存しているインフラストラクチャは、このアーキテクチャではまだ利用できません。短期的な制限のいくつかを次に示します。
- 人気のあるR、Julia、Python言語を使用している科学者は、オープンソースのFortranコンパイラーを必要としています。PythonはAppleSiliconで利用できますが、NumpyやScipyなどのツールにはFortranのコンパイルが必要です。1つの解決策は、minicondaのようなPythonディストリビューションをインストールし、そのpipインストーラーを実行してIntelパッケージを追加することです（このリポジトリに含まれるスクリプトには、numpy、pandas、およびseabornが必要です）。これらのライブラリの翻訳中に、これらのライブラリの1つを最初にインポートするときに遅延が発生します。その後、翻訳されたPythonライブラリは正常に動作しているように見えます。
- AppleのCClangコンパイラは高速のネイティブコードを生成しますが、多くの科学ツールはgcc、golang、gFortranコンパイラが利用可能になるまで待つ必要があります。
- VirtualBox、VMware Fusion、Boot Camp、ParallelsなどのツールはまだAppleSiliconをサポートしていません。多くのユーザーは、macOSコンピューターでWindowsおよびLinuxプログラムを使用するためにこれらのツールに依存しています。
- DockerはAppleSiliconをサポートしていません。これらのコンテナは、多くのニューロイメージングツールで人気があります。
- 多くの自作コンポーネントはAppleシリコンをサポートしていません。ユーザーは、翻訳されたコンポーネントをインストールするか、サポートされているモジュールをソースからビルドする必要があります。
- MATLABは、SPMを含む多くの科学ツールで使用されています。Matlabは翻訳で動作しますが、ネイティブではまだ利用できません（そして、mexファイルを再コンパイルする必要があります）。
- FSLとAFNIは、このアーキテクチャをまだネイティブにサポートしていません。コードは翻訳で機能する場合がありますが、一部のネイティブツールを作成するには、コンパイラとライブラリが更新されるのを待つ必要があります。これにはおそらく数ヶ月かかるでしょう。
- 現世代のM1には、4つの高性能コアしかありません。ほとんどのニューロイメージングパイプラインは、単一のコア（M1が優れている場合）のみを必要とする順次タスクと並列タスクを組み合わせています。これらの並列タスクは、より多くのコアを備えたCPUを悪用する可能性があります（以下のpigzおよびniimathテストに示されているように）。シリアルコードとパラレルコードのこの混合はアムダールの法則に直面しており、追加のコアの収穫逓減があることに注意してください。
- 現世代のM1には最大16GbのRAMが搭載されています。ニューロイメージングデータセットには、多くの場合、大きなメモリ需要があります（特に、マルチバンド加速機能、静止状態、および拡散データセット）。