istvan60
オリジナルポスター- 2020年11月17日
- 2020年11月17日
新しいM1MacbookでRまたはSPSSを試したことがありますか？Rosetta 2ではこれらのいずれかが正常に機能します（高速/低速/まったく機能しません）。ネイティブのARMバージョンはまだないはずです。または、CorelDrawも試した人はいますか？
新しい質問と回答を投稿することを躊躇しないでください、しかしデータサイエンスアプリに焦点を合わせてください。
ここのトピックに関連する有用な議論があります
GitHub-ThatGuySam / doesitarm：🦾AppleSiliconと新しいApple M1Macの報告されたアプリサポートのリスト
🦾AppleSiliconと新しいAppleM1Macの報告されたアプリサポートのリスト-GitHub-ThatGuySam / doesitarm：🦾AppleSiliconと新しいApple M1Macの報告されたアプリサポートのリスト github.comM1 MacBook pro13はデータをサポートしていますか…-AppleCommunity
Discussions.apple.comRはAppleシリコンで動作しますか？ -Rブログ
developer.r-project.orgRosetta 2 / AppleシリコンM1でのデータサイエンス（RおよびSPSS 26）？
みなさん、こんにちは。新しいM1 MacbookでRまたはSPSSを試してみましたか。ネイティブのARMを持っている人はいないと思いますが、Rosetta 2ではこれらのいずれかが正常に機能します（高速/低速/まったく機能しません）。 www.researchgate.netしかし、まだ答えはありません。
agibb
- 2004年10月17日
- 2020年11月18日
istvan60
オリジナルポスター- 2020年11月17日
- 2020年11月18日
Appleシリコン用のネイティブFortranコンパイラが出ています。
https://www.nag.com/news/first-fortran-compiler-apple-silicon-macs
ただし、Rosetta2で機能するRのテストを見ると非常に便利です。
istvan60
オリジナルポスター- 2020年11月17日
- 2020年11月29日
レマンは言った：Rはロゼッタの下で私にとって素晴らしい働きをします。私もそれをネイティブに構築することができましたが、一部のパッケージがブロックされています（特に地球科学のもの）。それを聞いてうれしいです！また、パフォーマンスの変化に気づきましたか？私は通常、RAMを大量に消費するスクリプトと大量の反復を実行しているため、処理速度とRAM処理の両方が問題になります。 Rosetta2でのパフォーマンスに疑問があります。
商用コンパイラの可用性は実際には役に立ちません。 gcc（iOSで実行することにほとんど関心がなかったため、これまで誰もそれを移植する必要はありませんでした）またはFlang（まだ少なくとも半年かかるでしょう）が必要です。ただし、gccの暫定バージョンが利用可能であり、十分に機能しているようです。
それについて何か意見はありますか？ NS
レマン
- 2008年10月14日
- 2020年11月29日
istvan60は言った：それを聞いてうれしい！また、パフォーマンスの変化に気づきましたか？私は通常、RAMを大量に消費するスクリプトと大量の反復を実行しているため、処理速度とRAM処理の両方が問題になります。 Rosetta2でのパフォーマンスに疑問があります。
それについて何か意見はありますか？
Rosettaの下でのM1のRは、16フィートのMBPで実行されているRよりも高速です。しかし、それはあなたが何をするかに依存すると思います。非常に大量のRAMを必要とする状況ではテストしていません。試してみたいテストやスクリプトがあれば、喜んでそれを行うことができます。メッセージを送ってください。 私
istvan60
オリジナルポスター- 2020年11月17日
- 2020年11月30日
下：
Rバージョン4.0.3（2020-10-10）
プラットフォーム：x86_64-apple-darwin17.0（64ビット）
install.packages（ 'benchmarkme'）
install.packages（ 'benchmarkmeData'）
ibrary（benchmarkme）
get_cpu（）
＃「Intel（R）Core（TM）i5-7360U CPU @ 2.30GHz」
get_ram（）
＃17.2 GB
res =ベンチマーク_std（）
＃プログラミングベンチマーク（5つのテスト）：
3,500,000フィボナッチ数の計算（ベクトル計算）：0.263（秒）。
1,000,000ペアの最大公約数（再帰）：0.682（秒）。
3,500 x 3,500ヒルベルト行列の作成（行列計算）：0.338（秒）。
3,000 x 3,000テプリッツ行列（ループ）の作成：1.17（秒）。
60 x 60マトリックス（混合）でのEscoufiersメソッド：1.21（秒）。
＃マトリックス計算ベンチマーク（5つのテスト）：
5,000 x 5,000マトリックスの作成、変換、変形：0.629（秒）。
2,500 x2,500正規分布ランダム行列^ 1,000：0.149（秒）。
7,000,000個のランダム値の並べ替え：0.706（秒）。
2,500 x 2,500の外積行列（b = a '* a）：10.8（秒）。
線形登録5,000 x 500マトリックス（c = a b '）：0.837（秒）。
＃行列関数のベンチマーク（5つのテスト）：
3,000 x 3,000行列のコレスキー分解：5.47（秒）。
2,500 x 2,500のランダム行列の行列式：6.64（秒）。
640 x 640ランダム行列の固有値：0.916（秒）。
2,500,000を超えるランダム値のFFT：0.322（秒）。
1,600 x 1,600のランダム行列の逆行列：5.4（秒）。
upload_results（res）
一時ファイルの作成
システム仕様の取得。 Macではこれに時間がかかる場合があります
結果のアップロード
アップロード完了
追跡ID：2020-11-29-22273922
[1] '2020-11-29-22273922'
プロット（解像度）
あなたは749台のマシンのうち183位にランクされています。
Returnキーを押して、次のプロットを取得します
あなたは747台のマシンのうち467台にランクされています。
Returnキーを押して、次のプロットを取得します
あなたは747台のマシンのうち660台にランクされています。
メディアアイテムの表示 'data-single-image =' 1 '>
メディアアイテムの表示 'data-single-image =' 1 '>
メディアアイテムの表示 'data-single-image =' 1 '>
私はあなたがどうなるか本当に興味があります。
添付ファイル
- メディアアイテムを表示 'href =' tmp / attachments / 1606725365392-png.1683205 / '> 1606725365392.png'file-meta '> 41.8 KB・ビュー：96
レマン
- 2008年10月14日
- 2020年11月30日
コード：
R version 4.0.3 (2020-10-10) -- 'Bunny-Wunnies Freak Out' Copyright (C) 2020 The R Foundation for Statistical Computing Platform: arm-apple-darwin20.2.0 (64-bit) > res <- benchmarkme::benchmark_std() # Programming benchmarks (5 tests): 3,500,000 Fibonacci numbers calculation (vector calc): 0.112 (sec). Grand common divisors of 1,000,000 pairs (recursion): 0.26 (sec). Creation of a 3,500 x 3,500 Hilbert matrix (matrix calc): 0.146 (sec). Creation of a 3,000 x 3,000 Toeplitz matrix (loops): 0.597 (sec). Escoufier's method on a 60 x 60 matrix (mixed): 0.598 (sec). # Matrix calculation benchmarks (5 tests): Creation, transp., deformation of a 5,000 x 5,000 matrix: 0.245 (sec). 2,500 x 2,500 normal distributed random matrix^1,000: 0.113 (sec). Sorting of 7,000,000 random values: 0.606 (sec). 2,500 x 2,500 cross-product matrix (b = a' * a): 9.54 (sec). Linear regr. over a 5,000 x 500 matrix (c = a b'): 0.799 (sec). # Matrix function benchmarks (5 tests): Cholesky decomposition of a 3,000 x 3,000 matrix: 5.21 (sec). Determinant of a 2,500 x 2,500 random matrix: 1.78 (sec). Eigenvalues of a 640 x 640 random matrix: 0.476 (sec). FFT over 2,500,000 random values: 0.113 (sec). Inverse of a 1,600 x 1,600 random matrix: 1.45 (sec). 行列演算にはもう少し最適化が必要だと感じています。彼らはもっと速く行くことができると確信しています。
添付ファイル
NSレマン
- 2008年10月14日
- 2020年11月30日
もう1つの観察結果は、一部の行列演算がネイティブよりもRosettaで高速に実行されることです。これは、IntelのcodegenがSIMDコードを出力するのに対し、ARMは出力しないためだと推測します。これは、初期のFortranポートの問題であるか、ソースがIntel用に最適化されているが、ARM用には最適化されていない可能性があります。これが修正されたら、ネイティブで実行されている健全なブーストも取得できるはずです。
コード：
R version 4.0.3 (2020-10-10) -- 'Bunny-Wunnies Freak Out' Copyright (C) 2020 The R Foundation for Statistical Computing Platform: x86_64-apple-darwin17.0 (64-bit) benchmarkme::get_cpu() sysctl: unknown oid 'machdep.cpu.vendor' $vendor_id character(0) attr(,'status') [1] 1 $model_name [1] 'VirtualApple @ 2.50GHz processor' $no_of_cores [1] 8 # Programming benchmarks (5 tests): 3,500,000 Fibonacci numbers calculation (vector calc): 0.177 (sec). Grand common divisors of 1,000,000 pairs (recursion): 4.67 (sec). Creation of a 3,500 x 3,500 Hilbert matrix (matrix calc): 0.205 (sec). Creation of a 3,000 x 3,000 Toeplitz matrix (loops): 1.21 (sec). Escoufier's method on a 60 x 60 matrix (mixed): 66.5 (sec). # Matrix calculation benchmarks (5 tests): Creation, transp., deformation of a 5,000 x 5,000 matrix: 0.416 (sec). 2,500 x 2,500 normal distributed random matrix^1,000: 0.15 (sec). Sorting of 7,000,000 random values: 0.62 (sec). 2,500 x 2,500 cross-product matrix (b = a' * a): 7.24 (sec). Linear regr. over a 5,000 x 500 matrix (c = a b'): 0.609 (sec). # Matrix function benchmarks (5 tests): Cholesky decomposition of a 3,000 x 3,000 matrix: 4 (sec). Determinant of a 2,500 x 2,500 random matrix: 1.99 (sec). Eigenvalues of a 640 x 640 random matrix: 0.446 (sec). FFT over 2,500,000 random values: 0.12 (sec). Inverse of a 1,600 x 1,600 random matrix: 1.61 (sec). NS LaskaD
- 2021年1月2日
- 2021年1月2日
参照BLAS / LAPACK線形代数ライブラリを実行するように構成されたRを使用していますか？ macOSの一部として出荷されているAppleのacceleratedフレームワークからライブラリに切り替えることで、はるかに高速な行列操作が可能になります。
ここを参照してください： https://mpopov.com/blog/2019/06/04/faster-matrix-math-in-r-on-macos/
Apple Accelerate BLAS / LAPACKライブラリを使用してM1マシンのベンチマークを確認することは非常に有益です。
これは、私のコンピューターである2014年半ばのMacBook Proで、アクセラレーションライブラリを使用したものと同じベンチマークです。一部の行列演算は、上記のM1または2017MBPの結果よりも1桁以上高速です。
> sessionInfo（）
Rバージョン4.0.2（2020-06-22）
プラットフォーム：x86_64-apple-darwin17.0（64ビット）
実行中：macOS Catalina 10.15.7
マトリックス製品：デフォルト
BLAS：/System/Library/Frameworks/Accelerate.framework/Versions/A/Frameworks/vecLib.framework/Versions/A/libBLAS.dylib
LAPACK：/Library/Frameworks/R.framework/Versions/4.0/Resources/lib/libRlapack.dylib
..。
> get_cpu（）
$ vendor_id
[1] 'GenuineIntel'
$ model_name
[1] 'Intel（R）Core（TM）i7-4870HQ CPU @ 2.50GHz'
$ no_of_cores
[1] 8
> get_ram（）
17.2 GB
> res =ベンチマーク_std（）
＃プログラミングベンチマーク（5つのテスト）：
3,500,000フィボナッチ数の計算（ベクトル計算）：0.277（秒）。
1,000,000ペアの最大公約数（再帰）：0.616（秒）。
3,500 x 3,500ヒルベルト行列の作成（行列計算）：0.407（秒）。
3,000 x 3,000テプリッツ行列（ループ）の作成：1.35（秒）。
60 x 60マトリックス（混合）でのEscoufierの方法：0.902（秒）。
＃マトリックス計算ベンチマーク（5つのテスト）：
5,000 x 5,000マトリックスの作成、変換、変形：0.702（秒）。
2,500 x2,500正規分布ランダム行列^ 1,000：0.157（秒）。
7,000,000個のランダム値の並べ替え：0.639（秒）。
2,500 x 2,500外積行列（b = a '* a）：0.188（秒）。
線形登録5,000 x 500マトリックス（c = a b '）：0.0213（秒）。
＃行列関数のベンチマーク（5つのテスト）：
3,000 x 3,000行列のコレスキー分解：0.22（秒）。
2,500 x 2,500のランダム行列の行列式：0.164（秒）。
640 x 640ランダム行列の固有値：0.344（秒）。
2,500,000を超えるランダム値のFFT：0.25（秒）。
1,600 x 1,600のランダム行列の逆行列：0.318（秒）。
poorcody
寄稿者
- 2013年7月23日
- 2021年1月2日
MacでのTensorFlowパフォーマンスの加速
MacでのTensorFlow2のパフォーマンスの加速 blog.tensorflow.orgブログから：
メディアアイテムの表示 'data-single-image =' 1 '> NS
レマン
- 2008年10月14日
- 2021年1月2日
LaskaDは言った：レマン、あなたの報告に感謝します。
参照BLAS / LAPACK線形代数ライブラリを実行するように構成されたRを使用していますか？ macOSの一部として出荷されているAppleのacceleratedフレームワークからライブラリに切り替えることで、はるかに高速な行列操作が可能になります。
当時は両方を試しましたが、いくつかの孤立したテストを除いて、大きな違いはありませんでした。考慮すべきもう1つのことは、Appleが提供するBLAS / LAPACKは古く、既知の問題があるということです。 Rチームは積極的にそれらの使用を思いとどまらせます。非常に大きな行列を乗算するビジネスを行っていて、それを高速かつ頻繁に実行する必要がある場合は、このタスクをGPUにオフロードするカスタムパッケージを使用することをお勧めします（M1はそれを専用にサポートしています）。 AMXもありますが、それは非常に奇妙な獣であり、それがどれほど汎用的であるかはわかりません。
いくつか
- 2013年4月8日
- 2021年1月12日
> get_cpu（）
sysctl：不明なoid'machdep.cpu.vendor '
$ vendor_id
文字（0）
attr（、 'status'）
[十一
$ model_name
[1] 'Apple M1'
$ no_of_cores
[1] 8
警告メッセージ：
system（ 'sysctl -n machdep.cpu.vendor'、intern = TRUE）：
実行中のコマンド 'sysctl -nmachdep.cpu.vendor'のステータスは1でした
> get_ram（）
8.59 GB
> res =ベンチマーク_std（）
＃プログラミングベンチマーク（5つのテスト）：
3,500,000フィボナッチ数の計算（ベクトル計算）：0.184（秒）。
1,000,000ペアの最大公約数（再帰）：4.74（秒）。
3,500 x 3,500ヒルベルト行列の作成（行列計算）：0.222（秒）。
3,000 x 3,000テプリッツ行列（ループ）の作成：1.26（秒）。
60 x 60マトリックス（混合）でのEscoufierの方法：66.5（秒）。
＃マトリックス計算ベンチマーク（5つのテスト）：
5,000 x 5,000マトリックスの作成、変換、変形：0.418（秒）。
2,500 x2,500正規分布ランダム行列^ 1,000：0.147（秒）。
7,000,000個のランダム値の並べ替え：0.625（秒）。
2,500 x 2,500の外積行列（b = a '* a）：7.18（秒）。
線形登録5,000 x 500マトリックス（c = a b '）：0.605（秒）。
＃行列関数のベンチマーク（5つのテスト）：
3,000 x 3,000行列のコレスキー分解：3.99（秒）。
2,500 x 2,500のランダム行列の行列式：1.99（秒）。
640 x 640ランダム行列の固有値：0.441（秒）。
2,500,000を超えるランダム値のFFT：0.129（秒）。
1,600 x 1,600のランダム行列の逆行列：1.63（秒）。
Apple BLASの場合、/ Libraryと/ System / Libraryの両方にlibBLAS.dylibが見つかりません。 NS
いくつか
- 2013年4月8日
- 2021年1月18日
>ライブラリ（ベンチマーク）
> get_cpu（）
sysctl：不明なoid'machdep.cpu.vendor '
$ vendor_id
文字（0）
attr（、 'status'）
[十一
$ model_name
[1] 'Apple M1'
$ no_of_cores
[1] 8
警告メッセージ：
system（ 'sysctl -n machdep.cpu.vendor'、intern = TRUE）：
実行中のコマンド 'sysctl -nmachdep.cpu.vendor'のステータスは1でした
> get_ram（）
8.59 GB
> res =ベンチマーク_std（）
＃プログラミングベンチマーク（5つのテスト）：
3,500,000フィボナッチ数の計算（ベクトル計算）：0.111（秒）。
1,000,000ペアの最大公約数（再帰）：0.282（秒）。
3,500 x 3,500ヒルベルト行列の作成（行列計算）：0.162（秒）。
3,000 x 3,000テプリッツ行列（ループ）の作成：0.583（秒）。
60 x 60マトリックス（混合）でのEscoufierの方法：0.413（秒）。
＃マトリックス計算ベンチマーク（5つのテスト）：
5,000 x 5,000マトリックスの作成、変換、変形：0.248（秒）。
2,500 x2,500正規分布ランダム行列^ 1,000：0.107（秒）。
7,000,000個のランダム値の並べ替え：0.607（秒）。
2,500 x 2,500の外積行列（b = a '* a）：0.135（秒）。
線形登録5,000 x 500マトリックス（c = a b '）：0.045（秒）。
＃行列関数のベンチマーク（5つのテスト）：
3,000 x 3,000行列のコレスキー分解：0.233（秒）。
2,500 x 2,500のランダム行列の行列式：0.409（秒）。
640 x 640ランダム行列の固有値：0.618（秒）。
2,500,000を超えるランダム値のFFT：0.0953（秒）。
1,600 x 1,600のランダム行列の逆行列：0.363（秒）。
>プロット（解像度）
あなたは93台のマシンのうち1位にランクされています。
Returnキーを押して、次のプロットを取得します
あなたは93台のマシンのうち1位にランクされています。
Returnキーを押して、次のプロットを取得します
あなたは93台のマシンのうち69位にランクされています。
>>
人気の投稿