为使开发人员、工程师和各式研究人员也能在搭载 M1 芯片的新款 Mac 能顺利运行 TensorFlow，同时强化 TensorFlow 的性能，TensorFlow 推出为 Mac 用户优化的 TensorFlow 2.4，同时结合中苹果推出的 ML Compute 框架，进一步提升 TensorFlow 在苹果 Mac 上的机器学习、神经网络等训练效能。
对于开发者、工程师、研究人员来说，Mac 一直是非常受欢迎的平台，常有人透过 Mac 进行神经网络、机器学习等训练，但如何提升训练速度，一直是个挑战。而随着苹果推出 Arm 架构的 M1 芯片，为了加速训练效能和降低部署门槛，TensorFlow 也随即推出优化过的版本 TensorFlow 2.4，让 M1 版 Mac 和英特尔版 Mac 都能使用。
另外，苹果也推出 ML Compute 框架，强化 TensorFlow 模型的训练。以往在 Mac 上，TensorFlow 仅支援 CPU，也就是仅使用 CPU 进行训练，但优化过后的 TensorFlow 2.4 可运用苹果的 ML Compute，让 GPU 也能支援模型训练。
▲ 在 M1 上使用 ML Compute 的训练结果。
换言之，借由 TensorFlow 2.4 和 ML Compute，不论是新的 M1 版 Mac 还是旧的英特尔版 Mac，其 CPU 和 GPU 都能用于模型训练，大幅加快训练速度。而 TensorFlow 官方也表示，使用者不需要对现有的 TensorFlow 文件做任何更改，就可以使用 ML Compute 做为 TensorFlow 和 TensorFlow 插件（TensorFlow Addons）的后端（Backend）。
- Accelerating TensorFlow Performance on Mac
（图片来源：TensorFlow）
