您运行的是哪个版本的 macOS？机器是哪年的？我怀疑对于较旧的机器或 macOS < 10.14，您看不到默认设置，因为 PlaidML 已经注意到 Apple在 10.14 中弃用 OpenGL/CL 以支持 Metal。
FWIW，在我的机器上，我看到了类似的选项，除了金属设备列在“默认配置设备”下。
至于这些选项中的每一个（好吧，也许我被带走了）解释说：
您可以在 CPU 或 GPU 上训练/运行 ML 模型。CPU 不太适合 ML 应用程序中常见的矩阵数学流水线。现代 CPU 具有流式SIMD扩展（SIMD 表示单指令多数据）或 SSE 。这些允许您执行一组更有限的类似矩阵的操作。例如，当添加两个向量而不是考虑每对元素并一个接一个地添加它们时，SIMD 允许您一次添加多个数字。例如，使用以下代码编译：clang -O3 -march=native
#include <array>
auto add(std::array<float, 64> a, std::array<float, 64> b) {
std::array<float, 64> output;
for (size_t i = 0; i < 64; i++) {
output[i] = a[i] + b[i];
}
return output;
}
根据我们是否通过，我们可以看到两种不同的编译-mno-sse（您可能会猜到，这会生成一个在没有 SSE 的 CPU 上工作的二进制文件）。与上交所：
add(std::array<float, 64ul>, std::array<float, 64ul>):
mov rax, rdi
vmovups zmm0, zmmword ptr [rsp + 8]
vaddps zmm0, zmm0, zmmword ptr [rsp + 264]
vmovups zmmword ptr [rdi], zmm0
vmovups zmm0, zmmword ptr [rsp + 72]
vaddps zmm0, zmm0, zmmword ptr [rsp + 328]
vmovups zmmword ptr [rdi + 64], zmm0
vmovups zmm0, zmmword ptr [rsp + 136]
vaddps zmm0, zmm0, zmmword ptr [rsp + 392]
vmovups zmmword ptr [rdi + 128], zmm0
vmovups zmm0, zmmword ptr [rsp + 200]
vaddps zmm0, zmm0, zmmword ptr [rsp + 456]
vmovups zmmword ptr [rdi + 192], zmm0
vzeroupper
ret
没有 SSE：
add(std::array<float, 64ul>, std::array<float, 64ul>):
mov rax, rdi
lea rcx, [rsp + 264]
lea rdx, [rsp + 8]
xor esi, esi
.LBB0_1:
fld dword ptr [rdx + 4*rsi]
fadd dword ptr [rcx + 4*rsi]
fstp dword ptr [rax + 4*rsi]
fld dword ptr [rdx + 4*rsi + 4]
fadd dword ptr [rcx + 4*rsi + 4]
fstp dword ptr [rax + 4*rsi + 4]
fld dword ptr [rdx + 4*rsi + 8]
fadd dword ptr [rcx + 4*rsi + 8]
fstp dword ptr [rax + 4*rsi + 8]
fld dword ptr [rdx + 4*rsi + 12]
fadd dword ptr [rcx + 4*rsi + 12]
fstp dword ptr [rax + 4*rsi + 12]
fld dword ptr [rdx + 4*rsi + 16]
fadd dword ptr [rcx + 4*rsi + 16]
fstp dword ptr [rax + 4*rsi + 16]
fld dword ptr [rdx + 4*rsi + 20]
fadd dword ptr [rcx + 4*rsi + 20]
fstp dword ptr [rax + 4*rsi + 20]
fld dword ptr [rdx + 4*rsi + 24]
fadd dword ptr [rcx + 4*rsi + 24]
fstp dword ptr [rax + 4*rsi + 24]
fld dword ptr [rdx + 4*rsi + 28]
fadd dword ptr [rcx + 4*rsi + 28]
fstp dword ptr [rax + 4*rsi + 28]
add rsi, 8
cmp rsi, 64
jne .LBB0_1
ret
您不需要深入了解这里发生了什么，但请注意以vSSE 二进制文件开头的指令。这些是AVX指令。并且zmm0是一个可以容纳16s的AVX寄存器float（AVX-512提供512位寄存器，floats是32位）。LLVM 利用了这一点，而不是逐个元素地添加数字（就像我们在原始代码中写的那样），它一次只添加 16 个。您一个接一个地看到以下程序集的 4 个变体（注意括号内的数学）：
vmovups zmm0, zmmword ptr [rsp + (8 + 64*N)]
vaddps zmm0, zmm0, zmmword ptr [rsp + (8 + 4*64 + 64*N)]
vmovups zmmword ptr [rdi + (64*N)], zmm0
这里的数学需要一些关于System V 调用 ABI的知识。简单地说，忽略8 +. [rsp + 64*N]让你a[16*N]，a[16*(N+1)]独家。[rsp + (4*64 + 64*N)]跳过所有a（每个大小为 4 个字节a的 64个）并让您排他。并且是，排他的。所以这有效地转换为以下伪代码：floatsb[16*N]b[16*(N+1)][rdi + (64*N)]output[16*N]output[16*(N+1)]
std::array<float, 16> temp = {a[16*N], a[16*N+1], ..., a[16*N+16]};
temp += {b[16*N], b[16*N+1], ..., b[16*N+16]};
{output[16*n], output[16*N+1], ..., output[16*N+16]} = temp;
确实，我们看到 AVX-512（SIMD 的扩展）允许我们一次以 16 个数字为一组进行加法运算。将此快速与-mno-sse版本进行比较。应该清楚的是，它正在做更多的工作。再次，我们有一个指令模式（虽然这次它是在一个循环中）：
fld dword ptr [rdx + 4*rsi + 4*N]
fadd dword ptr [rcx + 4*rsi + 4*N]
fstp dword ptr [rax + 4*rsi + 4*N]
其中有 8 个（N范围从 0 到 8，不包含）。这被包裹在一个循环中，该循环重复 8 次（8 * 8 = 64，数组长度）。你应该能够猜到这里发生了什么。它与上面非常相似，只是我们一次处理一个数字而不是 16。fld类似于vmovups，fadd类似于vaddps。这个伪代码看起来更像我们实际编写的代码：
float temp = a[loop_num*8 + N];
temp += b[loop_num*8 + N];
output[loop_num*8] = temp;
希望直观的是，一次做 16 件事要比一次做 1 件事更有效率。
还有一些花哨的线性代数框架，比如blas，它可以压缩几乎所有你可以从 CPU 中获得的数学性能。
GPU 的工作方式略有不同。粗略的简化是将 GPU 视为具有大量 SIMD 指令的设备（特别适用于浮点运算）。因此，与其一次工作 16 个，不如想象一下只是将整个图像交给它，并且在一次操作中它可以对其应用像素过滤器（例如更改亮度或饱和度）。
那么这个切线与任何事情有什么关系呢？
AVX 指令使得在 CPU 上运行一些代码变得有些合理。您在其中看到的所有选项_cpu都只能在 CPU 上运行。llvm_cpu可能会使用与上述类似的技术clang（clang在幕后使用 llvm）来编译运行/训练 ML 模型所需的所有数学。鉴于现代 CPU 是多核的，这可能与16 * number_of_cores加速一样多。
OpenCL 是用于编写数学计算并在各种硬件（包括 GPU）上轻松运行它们的开放标准。OpenCL 也可以由 CPU 模拟（诚然，速度要慢得多——记住 CPU 只能做 16 倍，GPU 可以做更多）。
Metal是 Apple 对 OpenGL/CL 的替代品。它完成了类似的事情，但是是 macOS 特定的（并且是封闭源代码）。
唯一需要评论的区别是“Intel(R) HD Graphics 630”与“AMD Radeon 460”。您的计算机有两个 GPU。第一个是集成显卡。这里的集成意味着您的英特尔 CPU 内部嵌入了一个小 GPU。它的性能不如独立 GPU（与 CPU 分离，通常在台式机的卡外形尺寸中找到），但它可以完成某些不太密集的图形任务（并且通常更节能）。您的 AMD Radeon 460 是独立 GPU。它可能是您为这项任务所拥有的最强大的硬件。
因此，考虑到这一点，我预测这些设备将从最快到最慢：
metal_amd_radeon_pro_460.0- 独立 GPU 速度很快，Apple 优化了 Metal，使其在新 Mac 上运行良好opencl_amd_amd_radeon_pro_555_compute_engine.0- 这仍然使用独立的 GPU，但 OpenCL 被忽略了一点，现在在 macOS 上已弃用，所以它可能不会那么快metal_intel(r)_hd_graphics_unknown.0- 集成 GPU 优于 CPU，Apple 优化了 Metalopencl_intel_intel(r)_hd_graphics_630.0- 关于其他 OpenCL 的情况同上（除了这是一个集成的非独立 GPU）llvm_cpu.0- 这使用 CPU，但 LLVM 非常擅长编写高效的 SIMD 代码。opencl_cpu.0- 这模拟 (2) 和 (4)，但使用 CPU 会慢得多。此外，它可能没有 LLVM 用来输出高效 SIMD 代码的所有花哨算法。
但这一切都是猜测，您可以通过pip install plaidbench plaidml-keras keras. 对于每个设备，运行plainml-setup（选择该设备）然后运行plainbench keras mobilenet（或任何其他基准测试）。以下是我在我的机器上看到的结果：
| device | exeuction (s) | fps | correctness |
|------------------------------|---------------|--------|-------------|
| Metal AMD Radeon Pro 560 | 9.009 | 112.53 | PASS |
| OpenCL AMD Radeon Pro 560 | 18.339 | 93.29 | PASS |
| OpenCL Intel HD Graphics 630 | 23.204 | 60.18 | FAIL |
| Metal Intel HD Graphics 630 | 24.809 | 41.27 | PASS |
| LLVM CPU | 66.072 | 16.82 | PASS |
| OpenCL CPU Emulation | 155.639 | 6.71 | FAIL |
我已将设备重命名为更漂亮的名称，但它们与标识符的映射应该是显而易见的。
执行时间是运行模型所花费的时间（越低越好），而 FPS 是执行所达到的 FPS（越高越好）。
我们注意到订单通常是我们所期望的。离散 GPU 比集成 GPU 快，集成 GPU 比 CPU 快。需要指出的重要一点是，集成 GPU 和 CPU 仿真上的 OpenCL 未能通过正确性检查。CPU 仿真仅下降了约 7%，但集成 GPU 下降了约 77%。您可能只想选择一个在您的机器上通过正确性检查的设备（有可能——但不能保证——如果它未能通过该检查，后端或设备本身就是错误的）。
tl;dr 使用金属 + 独立 GPU (AMD Radeon)。它是您可用的最快的设备。使用任何基于 CPU 的东西只会让你的粉丝加速并消耗大量电力（并且需要永远完成/训练）。
