현재 tensorflow plugin으로 제공되는 tensorflow-metal을 사용하는 경우 nvidia 3080과 비교시 1/10도 안되는 성능을 보여주고 있습니다. gpu core를 다 사용하지 못하고 1개만 사용하는 것으로 보여 당분간(?) 딥러닝용으로는 어려워 보입니다. pytorch쪽은 개발중이라는 언급만 있습니다.
와 이거 처음 듣는 키워드였는데, 검색해보니 애플에서 개발 중인 ML tool이네요. 맨날 tf랑 torch만 쓰다가, 댓글 통해서 처음 알았습니다. 단순히 속도를 떠나서 애플에서도 머신러닝 툴을 제공한다는 것이 놀라웠고, 기존 다른 툴처럼 코드 기반으로 작성하기 보다는 autoML처럼 직관적으로 사용자가 활용하기 쉽게 데이터와 문제에 집중하게 만든 것 같습니다. 디테일한 연구용이나 제품 개발용으로 사용하긴 어려울지 몰라도, 코딩을 모르는 일반인이 일반적인 용도로는 사용하기에 좋을 것 같네요. 바로 테스트하러 가봅니다. 감사합니다!!
@@yeoreum_me 네네 정말 흥미로운 키워드 주셔서 감사합니다. 이 부분은 잘 알려지지 않은 것 같은데, 잘만 쓰면 일반인들도 클릭 몇 번으로 손쉽게 ML을 사용할 수 있을 것 같습니다. 아무리 tf나 torch가 high-level로 만들어졌다고 해도, 일반인들에겐 진입장벽이 있는데, 애플에서 공식으로 이런 어플을 만들어주다니.. 이거 왜 맨날 맥 쓰고 머신러닝 활용하는 제가 지금까지 몰랐을까 싶네요. 조만간 바쁜 일정 좀 지나면 영상으로 다뤄보겠습니다. 감사합니다!!
동준님 안녕하세요. 제가 colab을 사용하지 않아서 colab pro 성능이 어느정도 되는지 모르겠네요. 저도 Apple Silicon 기반 맥을 사용하지 않아서 아직 뭐라고 말씀드리긴 어렵지만, 개인적으로는 가벼운 모델정도는 충분히 맥에서 학습 가능할 것 같다고 예상합니다. 하지만 m1 max 자체의 성능을 떠나서, 언제나 휴대하는 랩탑은 타 GPU 전용 서버와 달리 장시간 모델링 하기 어렵기 때문에 이 부분도 고려해보셔야 할 것 같습니다. 이 부분을 제가 언급했어야했는데 누락했네요.
안녕하세요. 제가 저 영상을 찍은 뒤에 박사 졸업+육아 등으로 너무 바빠서 아무런 후속 영상을 못 올렸네요. 댓글 남겨주셔서 알림 떠서 간만에 예전 영상 저도 다시 봤습니다. 부족한 옛날 영상에 관심 가져주셔서 감사의 말씀 드립니다. 제가 주로 하는 일은 데이터 처리 및 머신러닝 (딥러닝) 모델링입니다. 대부분 작업들은 연구실 리눅스 서버에서 작업하기 때문에, 맥북 기반 프레임워크에 대한 성능 및 안정성에 대해 따로 말씀드릴만한 경험이 없네요.. 하지만 간간히 Python기반 ML/DL 데이터 관련 모델링을 할 때는 아무 문제 없이 진행했습니다. 이는 제가 쓰는 라이브러리들이 이제는 애플실리콘에 대한 지원을 잘 지원하기 때문일테구요. 지금쯤이면 애플실리콘이 출시된지 3년정도 지났기 때문에 대부분 라이브러리나 프로그램을 사용하는데 아무 문제 없어보입니다. Brew 활용한 라이브러리도 지금까지 매끄럽게 활용했습니다. 요약하자면 맥북 사용해서 프레임워크 개발을 주로 하지 않아서 직접적으로 말씀드리긴 어렵지만 현 시점에서는 아마 큰 문제는 없을 것으로 생각하고, 전반적으로 약 1년 8개월정도 사용하면서 문제점 거의 느껴본 적 없으며 매일매일 만족하며 사용 중입니다.
메인AI 모델은 여전히 맥북으로는 학습이 불가(너무 오래걸림) 수준이고, 경량화 모델은 돌릴만합니다. 본인이 어떤 크기의 데이터를 처리하는지가 중요할것 같은데 ssh로 서버구축하지 않는 이상 맥북으로는 학습시간에 허비하는 시간이 크기 때문에 본질(ai모델링)에 집중하시지 못할겁니다.
안녕하세요. 저는 대학원에서 연구하며 머신러닝 모델을 한 5년째 돌린 경험이 있는데, 연구실에 장비가 있다보니 코랩 등 클라우드를 사용할 이유를 느끼지 못했습니다. 아무래도 전용 장비가 없는 개인이 입문하기 위해서 코랩 등 무료 클라우드를 사용하거나, 기업에서 제품 서비스를 위해서 AWS 클라우드를 사용하는 경우가 많을 것 같네요. 그 이외에는 전용 서버를 활용하여 모델 개발하는 것이 훨씬 간편하고 효율적이며 고성능 자원을 사용할 수 있을 것으로 생각됩니다. 다만 제가 실제로 클라우드를 써본 경험이 없어서, 클라우드가 어느 정도로 메리트가 있는지는 잘 모르겠습니다. 주변에서 들은 이야기를 바탕으로 답변 드렸습니다. 감사합니다.
@@Johnassu 제가 영상에서 미처 언급하진 못했는데, 사실 랩탑이라는 기기가 항상 휴대성을 중시하기 때문에 자주 sleep을 시키잖아요 (일부러 랩탑을 닫아도 켜지게 유지할 순 있지만). 그래서 성능을 떠나서 학습이 오래 걸리는 모델을 걸어두기엔 적합하지 않은 것 같습니다. 저도 랩탑 2개 아이패드 1개 항상 휴대하고 다니지만, 정작 모델링은 모두 전용 GPU 서버에서 하고있습니다. 데이터 전처리부터 모델 학습까지 하루이틀씩 걸리기도 하고, GPU 연산이 훨씬 빨라서요.
@@Johnassu 그래도 GPU가격도 만만치 않고, 거기에 필요한 컴퓨터들 만드는 것도 가격이 꽤 나가기 때문에 개인적으로 구매해야 한다면 맥북프로를 구매하지 않을까 싶네요. 애초에 개인 차원에서 제대로 GPU 장비를 구축해서 사용하기도 어려울 것 같습니다. 3090만 해도 약 400만원에, 관련 워크스테이션 만들면 한 700만원정도, 2개 연결하면 그것도 한 1천만원 이상이 예상되는데다가, 전기세 생각하면 맘대로 돌리기도 어려울 것 같아요. 그럴바에는 애초에 제대로 돌리는 것은 좀 접어두고, M1 Max 구매해서 모델 경량화 해서 장소 구애받지 않고 연구하는게 더 낫다는 생각입니다. 연구실이나 기업이라면 당연히 연구용 장비를 쓰겠지만... 애초에 딥러닝 머신을 개인이 구매하고 유지하는게 너무 어렵네요ㅠㅠ
저도 같은 생각입니다. M1 air만 해도 일상에서 매우 좋은 성능을 보이기 때문에, 에어 성능에 화면만 16인치로 나오면 매우 잘 팔릴 것 같네요. 바로 그 이유 때문에 팀킬 (carnivalization)을 막기 위해서 일부러 안 만드는 것으로 추측됩니다. 체급 나누기를 확실히 해서 고급형 모델을 판매할 수 있는데, 16인치 에어가 나오면 16인치 랩탑 수요 상당수가 에어로 빠질테니까요. 여러가지 점들이 아쉽긴 하지만, 그래도 이번 16인치 프로는 2016년 이후로 출시된 15,16인치들에 비해 정말 마음에 듭니다.
제 생각에는 cpu 성능은 보통 데스크탑 성능만큼 좋기 때문에 간단한 cpu기반 모델들 돌리는덴 문제 없을 것 같아요 (RF, XGB 등 Tree 기반 모델들). 데이터 전처리도 매우 큰 것 아니면 아주 쾌적하게 할 수 있구요. 영상에서 말씀드렸듯이 gpu 성능도 간단한 신경망 학습에는 쓸만할 것 같습니다. 비교 대상이 끝판왕인 RTX 3090이라 성능 차이가 약 7-8배정도 나지만, 저 자체로도 완전히 느린 것은 아니라고 생각됩니다. 인공지능 입문자나 간단한 prototype 만들 때는 꽤 쓸만할 것 같아요. 하지만 저기 나온 비교는 M1 Max 32core 기준이기 때문에 pro 모델이면 gpu 성능이 반토막 날 것 같네요. 저도 아직 써보진 않아서 정확히 대답 드릴 순 없네요. 입문용이라면 충분한 성능으로 보입니다.
@@이종인-z7e 종인님이 어떤 작업을 하려고 하시는지 잘 모르겠습니다만, 용도에 따라서 꼭 업그레이드 할 필요는 없을 것 같습니다. 영상에서 말씀드렸듯이 SSD 성능이 매우 좋아져서 메모리 부족 시 발생하는 swap 속도도 매우 빠를 것으로 예상합니다. 어차피 CPU 성능은 pro나 max나 둘 다 같기 때문에, 다루시는 데이터의 크기가 크지 않다면 M1 pro + 16GB 기본 사양도 괜찮을 것 같습니다. 아무리 메모리가 좋아졌다고 해도 16->32 메모리 업글이 50만원인 것은 너무 지나치다고 생각이 드네요..
실제로 nvidia 그래픽카드와 아주 간단히 비교한 영상도 참고해보세요.
ua-cam.com/video/aHIUCWXw7mQ/v-deo.html
현재 tensorflow plugin으로 제공되는 tensorflow-metal을 사용하는 경우 nvidia 3080과 비교시 1/10도 안되는 성능을 보여주고 있습니다. gpu core를 다 사용하지 못하고 1개만 사용하는 것으로 보여 당분간(?) 딥러닝용으로는 어려워 보입니다. pytorch쪽은 개발중이라는 언급만 있습니다.
저도 실제로 tf-metal 사용해보지 않아서 실사용은 인터넷 벤치마크 정도만 참고하였습니다. 저도 이번에 M1 Max 구매하려고 고려 중인데, 내년 초에는 TF 및 PyTorch 모두 잘 지원되기를 바라고 있습니다. 좋은 댓글 감사드립니다.
M1맥은 create ml로 머신러닝 해보세요 저 세상 성능을 보여줍니다
와 이거 처음 듣는 키워드였는데, 검색해보니 애플에서 개발 중인 ML tool이네요. 맨날 tf랑 torch만 쓰다가, 댓글 통해서 처음 알았습니다. 단순히 속도를 떠나서 애플에서도 머신러닝 툴을 제공한다는 것이 놀라웠고, 기존 다른 툴처럼 코드 기반으로 작성하기 보다는 autoML처럼 직관적으로 사용자가 활용하기 쉽게 데이터와 문제에 집중하게 만든 것 같습니다. 디테일한 연구용이나 제품 개발용으로 사용하긴 어려울지 몰라도, 코딩을 모르는 일반인이 일반적인 용도로는 사용하기에 좋을 것 같네요. 바로 테스트하러 가봅니다. 감사합니다!!
@@daehyeon4173 애플에서 tf 나 torch코드를 core ml에 적용할 수 있도록 바로 변환해줍니다. 이것은 테스트 해보지 못했는데 영상 한번 올려주시면 감사하겠습니다ㅎ
@@yeoreum_me 네네 정말 흥미로운 키워드 주셔서 감사합니다. 이 부분은 잘 알려지지 않은 것 같은데, 잘만 쓰면 일반인들도 클릭 몇 번으로 손쉽게 ML을 사용할 수 있을 것 같습니다. 아무리 tf나 torch가 high-level로 만들어졌다고 해도, 일반인들에겐 진입장벽이 있는데, 애플에서 공식으로 이런 어플을 만들어주다니.. 이거 왜 맨날 맥 쓰고 머신러닝 활용하는 제가 지금까지 몰랐을까 싶네요. 조만간 바쁜 일정 좀 지나면 영상으로 다뤄보겠습니다. 감사합니다!!
파이썬 라이브러리 공부를 시작한 초보자가 재밌게 볼수있게 정리해주셨네요 ㅎ 영상 감사드립니다.
구독누르고 가겠습니다. 앞으로도 좋은 영상 부탁드리겠습니다
아직은 전달력이 많이 부족하지만, 앞으로 점점 개선해보려고 합니다. 저도 파이썬 초보인데, 조금씩 공부해가는 재미가 있네요. 재밌게 봐주셔서 감사합니다.
딱 필요한 정보를 얻었습니다. 정말 감사합니다ㅎㅎ 저는 평소에 가벼운 모델은 colab pro로 돌리고, 무거운 모델의 경우엔 윈도우 서버로 학습을 했었는데요, m1max 24코어에 32기가 램 정도면 코랩 정도는 대체가 가능하다고 보시나요?
동준님 안녕하세요. 제가 colab을 사용하지 않아서 colab pro 성능이 어느정도 되는지 모르겠네요. 저도 Apple Silicon 기반 맥을 사용하지 않아서 아직 뭐라고 말씀드리긴 어렵지만, 개인적으로는 가벼운 모델정도는 충분히 맥에서 학습 가능할 것 같다고 예상합니다. 하지만 m1 max 자체의 성능을 떠나서, 언제나 휴대하는 랩탑은 타 GPU 전용 서버와 달리 장시간 모델링 하기 어렵기 때문에 이 부분도 고려해보셔야 할 것 같습니다. 이 부분을 제가 언급했어야했는데 누락했네요.
설명이 시원시원해서 좋네요 많은 정보 얻고 갑니다
부족한 영상 좋게 봐주셔서 감사합니다.
안녕하세요. 영상 이후 1년 정도 지났는데 혹시 맥북 기반 프레임워크가 잘 개발되었는지 여쭤봐도 괜찮을까요??
안녕하세요. 제가 저 영상을 찍은 뒤에 박사 졸업+육아 등으로 너무 바빠서 아무런 후속 영상을 못 올렸네요. 댓글 남겨주셔서 알림 떠서 간만에 예전 영상 저도 다시 봤습니다. 부족한 옛날 영상에 관심 가져주셔서 감사의 말씀 드립니다. 제가 주로 하는 일은 데이터 처리 및 머신러닝 (딥러닝) 모델링입니다. 대부분 작업들은 연구실 리눅스 서버에서 작업하기 때문에, 맥북 기반 프레임워크에 대한 성능 및 안정성에 대해 따로 말씀드릴만한 경험이 없네요.. 하지만 간간히 Python기반 ML/DL 데이터 관련 모델링을 할 때는 아무 문제 없이 진행했습니다. 이는 제가 쓰는 라이브러리들이 이제는 애플실리콘에 대한 지원을 잘 지원하기 때문일테구요. 지금쯤이면 애플실리콘이 출시된지 3년정도 지났기 때문에 대부분 라이브러리나 프로그램을 사용하는데 아무 문제 없어보입니다. Brew 활용한 라이브러리도 지금까지 매끄럽게 활용했습니다. 요약하자면 맥북 사용해서 프레임워크 개발을 주로 하지 않아서 직접적으로 말씀드리긴 어렵지만 현 시점에서는 아마 큰 문제는 없을 것으로 생각하고, 전반적으로 약 1년 8개월정도 사용하면서 문제점 거의 느껴본 적 없으며 매일매일 만족하며 사용 중입니다.
메인AI 모델은 여전히 맥북으로는 학습이 불가(너무 오래걸림) 수준이고, 경량화 모델은 돌릴만합니다. 본인이 어떤 크기의 데이터를 처리하는지가 중요할것 같은데 ssh로 서버구축하지 않는 이상 맥북으로는 학습시간에 허비하는 시간이 크기 때문에 본질(ai모델링)에 집중하시지 못할겁니다.
좋은 내용입니다. 감사합니다.
부족한 영상 좋게 봐주셔서 감사합니다.
디테일한 맥북프로 설명 재밌게 보았읍니다... 아웃트로 졸귀 너무 좋읍니다...
아웃트로 고민하다가 귀여운 애를 발견했읍니다… 저의 맥북프로 사랑을 최대한 담아내려 했지만 이런 리뷰 찍는게 처음이라 많이 부족하네요.
궁금한 주제라 들어왔는데 형님 몸이 탄탄하신 것 같습니다 ㄷㄷ 운동하시나요?
날두님 안녕하세요. 날두형님 몸에 비하면 저는 한없이 보잘것 없지만 체력을 위해 조금씩 운동하고 있습니다. 날두형님도 항상 건강 잘 챙기시기 바랍니다. 날두 파이팅!!
잘 몰라서 그런데 개인 PC에서 모델을 트레이닝 시키는 경우가 잦나요?
전부 클라우드 같은데서 하는 줄... 그 코랩같은건 무료라고 하더라고요.
안녕하세요. 저는 대학원에서 연구하며 머신러닝 모델을 한 5년째 돌린 경험이 있는데, 연구실에 장비가 있다보니 코랩 등 클라우드를 사용할 이유를 느끼지 못했습니다. 아무래도 전용 장비가 없는 개인이 입문하기 위해서 코랩 등 무료 클라우드를 사용하거나, 기업에서 제품 서비스를 위해서 AWS 클라우드를 사용하는 경우가 많을 것 같네요. 그 이외에는 전용 서버를 활용하여 모델 개발하는 것이 훨씬 간편하고 효율적이며 고성능 자원을 사용할 수 있을 것으로 생각됩니다. 다만 제가 실제로 클라우드를 써본 경험이 없어서, 클라우드가 어느 정도로 메리트가 있는지는 잘 모르겠습니다. 주변에서 들은 이야기를 바탕으로 답변 드렸습니다. 감사합니다.
@@daehyeon4173 아... 저는 그 M1 머신러닝 성능을 테스트하는 영상들이 있길래
노트북에서 저런 모델을 돌릴 일이 있나 싶어서 여쭤본 거에요... 아무래도 그래픽카드를 별도로 구매해서 돌리는게 더 낫겠죠?
@@Johnassu 제가 영상에서 미처 언급하진 못했는데, 사실 랩탑이라는 기기가 항상 휴대성을 중시하기 때문에 자주 sleep을 시키잖아요 (일부러 랩탑을 닫아도 켜지게 유지할 순 있지만). 그래서 성능을 떠나서 학습이 오래 걸리는 모델을 걸어두기엔 적합하지 않은 것 같습니다. 저도 랩탑 2개 아이패드 1개 항상 휴대하고 다니지만, 정작 모델링은 모두 전용 GPU 서버에서 하고있습니다. 데이터 전처리부터 모델 학습까지 하루이틀씩 걸리기도 하고, GPU 연산이 훨씬 빨라서요.
@@Johnassu 그래도 GPU가격도 만만치 않고, 거기에 필요한 컴퓨터들 만드는 것도 가격이 꽤 나가기 때문에 개인적으로 구매해야 한다면 맥북프로를 구매하지 않을까 싶네요. 애초에 개인 차원에서 제대로 GPU 장비를 구축해서 사용하기도 어려울 것 같습니다. 3090만 해도 약 400만원에, 관련 워크스테이션 만들면 한 700만원정도, 2개 연결하면 그것도 한 1천만원 이상이 예상되는데다가, 전기세 생각하면 맘대로 돌리기도 어려울 것 같아요. 그럴바에는 애초에 제대로 돌리는 것은 좀 접어두고, M1 Max 구매해서 모델 경량화 해서 장소 구애받지 않고 연구하는게 더 낫다는 생각입니다. 연구실이나 기업이라면 당연히 연구용 장비를 쓰겠지만... 애초에 딥러닝 머신을 개인이 구매하고 유지하는게 너무 어렵네요ㅠㅠ
@@daehyeon4173 아 그렇군요. M1 머신러닝 관련 벤치마크를 가끔 접할때마다 궁금했는데 답변 감사드립니다.
음... 하드코어한 개발을 안할거면 맥북에어+gpu괜찮은리눅스데탑 하나 맞추는것도.... 근데 글카는 너무 비싸고... 에어는 왜... 모니터 큰게 안나올까요 ㅠㅠ
저도 같은 생각입니다. M1 air만 해도 일상에서 매우 좋은 성능을 보이기 때문에, 에어 성능에 화면만 16인치로 나오면 매우 잘 팔릴 것 같네요. 바로 그 이유 때문에 팀킬 (carnivalization)을 막기 위해서 일부러 안 만드는 것으로 추측됩니다. 체급 나누기를 확실히 해서 고급형 모델을 판매할 수 있는데, 16인치 에어가 나오면 16인치 랩탑 수요 상당수가 에어로 빠질테니까요. 여러가지 점들이 아쉽긴 하지만, 그래도 이번 16인치 프로는 2016년 이후로 출시된 15,16인치들에 비해 정말 마음에 듭니다.
GPU가 너무 비싸서.. 개인이 맘 놓고 연구하기에는 진입 장벽이 너무 높고 회사나 연구실의 자원을 최대한 이용할 수 밖에 없네요ㅠㅠ
단순 맥북프로를 떠나서 스펙볼때 아주 유용하겠습니다~ 디스플레이편도 기대가 되네요!!
찍다보니 너무 길어지네요. 3부가 아마 마지막이 될 것 같습니다.
저기 인공지능 배우고 싶은 1인인데 학생용으로 m1pro 도 원활하게 길게 쓸 수 있을까요 ㅜㅜ
제 생각에는 cpu 성능은 보통 데스크탑 성능만큼 좋기 때문에 간단한 cpu기반 모델들 돌리는덴 문제 없을 것 같아요 (RF, XGB 등 Tree 기반 모델들). 데이터 전처리도 매우 큰 것 아니면 아주 쾌적하게 할 수 있구요. 영상에서 말씀드렸듯이 gpu 성능도 간단한 신경망 학습에는 쓸만할 것 같습니다. 비교 대상이 끝판왕인 RTX 3090이라 성능 차이가 약 7-8배정도 나지만, 저 자체로도 완전히 느린 것은 아니라고 생각됩니다. 인공지능 입문자나 간단한 prototype 만들 때는 꽤 쓸만할 것 같아요. 하지만 저기 나온 비교는 M1 Max 32core 기준이기 때문에 pro 모델이면 gpu 성능이 반토막 날 것 같네요. 저도 아직 써보진 않아서 정확히 대답 드릴 순 없네요. 입문용이라면 충분한 성능으로 보입니다.
@@daehyeon4173 네 정말 감사합니다 !!ㅠㅠ
@@daehyeon4173 저기 한가지 더 궁금한게 있는데 제가 이제 막 배울려고 해서 혹시 램은 16기가 정도는 괜찮은 모르겠네요 근데 32기가 올리는게 50만원이라…이게 굉장히 부담되서…
@@이종인-z7e 종인님이 어떤 작업을 하려고 하시는지 잘 모르겠습니다만, 용도에 따라서 꼭 업그레이드 할 필요는 없을 것 같습니다. 영상에서 말씀드렸듯이 SSD 성능이 매우 좋아져서 메모리 부족 시 발생하는 swap 속도도 매우 빠를 것으로 예상합니다. 어차피 CPU 성능은 pro나 max나 둘 다 같기 때문에, 다루시는 데이터의 크기가 크지 않다면 M1 pro + 16GB 기본 사양도 괜찮을 것 같습니다. 아무리 메모리가 좋아졌다고 해도 16->32 메모리 업글이 50만원인 것은 너무 지나치다고 생각이 드네요..
하지만 어디까지나 가벼운 작업에 한정된 이야기이니, 앞으로 사용할 패턴이 어떻게 될지 고민해보시면 좋을 것 같습니다. 초반에는 간단한 예제 데이터와 모델 정도만 다루시다가 나중에는 점점 규모가 커질 수 있으니까요. 결정에 조금이나마 도움이 되시길 바랍니다.
파이토치가 안된다는데 진짠가요?
저도 인텔맥만 있고 애플실리콘이 없어서 자세히는 모르겠습니다. 이 부분에 대해서는 다른 분들의 영상 및 글을 참고해보시면 될 것 같습니다. TF, PyTorch 모두 아직까지 애플실리콘 GPU 지원에 대해 계속 업데이트 중인 것 같습니다.
코인 때문에 그래픽 카드 가격이 너무 올라갔어
그러게요... gpu 시세가 코인의 영향을 받지 않는 날이 얼른 왔으면 좋겠습니다.