关于 Métal
Métal 是一个将图形和计算紧密集成的现代化 api ， 提供了强大的着色语言 ， 专为 Apple 平台设计并进行了优化。其低开销模型让你可以直接控制 GPU 执行的每项任务 ， 从而最大限度地提高图形和计算软件的效率。Metal 还提供了一套出色的 GPU 性能分析和调试工具 ， 帮助你提升性能和图形质量。
新功能
统一着色器和设备初始化
现在 ， 一旦 Metal 库构建完成 ， 便能在 Mac 、 iPad 和 iPhone 上直接部署 ， 无需重新编译 ， 从而为你节省宝贵的迭代时间。Metal 设备初始化过程也得到了简化 ， 让你能够使用相同的代码适配这些平台。
游戏
游戏移植工具包 2
无论是移植现有的游戏还是正在开发的游戏 ， 都能加快进度。借助游戏移植工具包 2 ， 你将能轻而易举地将高端游戏移植到 Mac 、 iPad 和 iPhone ， 并为玩家提供出色的体验。
现在 ， 当你使用 Métal 着色器转换器来转换着色器时 ， 可以充分利用 Xcode 着色器调试工具 ， 这些工具现在还支持调试原始源代码。还可以使用 GPU 二进制编译器来构建所有着色器阶段 (包括网格着色器) ， 能让它与所有通过 Métal 着色器转换器转换的着色器兼容。
进一步了解游戏移植工具包
将高端游戏移植到 Apple 平台
常驻内存集
凭借全新的 API SET de résidence en métal ， GPU 对 Apple 芯片统一内存的访问速度提升到前所未有的水平。将相关资源分组到内存集 ， 确保它们 同驻留在内存中。同驻留在内存中。
光线追踪改进
Apple 芯片支持硬件加速光线追踪。全新 Métal 光线追踪支持直接状态访问 ， 可以避免额外的相交结果副本 ， 从而解锁更多性能。在移植着色器时 ， 还可以利用行优先的矩阵布局。
Métal 着色语言增强功能
Métal 提供了一种强大的着色语言 ， 可以充分利用 GPU Apple 。今年 ， 你将能利用新增的全局资源绑定功能 ， 在全局范围内声明缓存、纹理和采样器 ， 然后在着色器中的任意位置使用它们。你还可以进一步控制内存一致性 ， 包括支持协作线程组算法的设备一致操作 ， 以及使用 OS_LOG 从着色器中输入日志到控制台。
机器学习
利用 Graphique MPS 构建的 Transformateur 模型
利用新功能 ， 将机器学习 Transformateur 模型集成到 Métal 流程中 ， 进而提升计算效率、带宽使用和模型质量。然后 ， 使用全新的 Visionneur MPSGraph 直观查看序列化的 MPSGraph 软件包 ， 分析优化网络的可能性。
利用 Métal 加快机器学习
机器学习框架
借助 Mlx 、 Tensorflow 、 Pytorch 和 Jax ， 直接在 Mac 上加快机器学习模型的训练。随着 Metal 后端的改进 ， 你不仅可以训练 Hugging Face.Co 的前 50 个网络模型 ， 而且能够利用 META 的 EMEMPORTORCH 框架中新增的 GPU 加速技术 ， 无缝部署包含自定 METAL 操作的 Pytorch 模型。还可以通过 Jax 框架来充分利用混合精度训练。
Mlx 是一个高效灵活的阵列框架 ， 专为 Apple 芯片设计和优化。借助 Metal 后端 ， Mlx 框架可加快 Apple GPU 上机器学习模型的训练和部署。Mlx 在 Python 、 Swift 或 C ++ 中提供 ， 并且可以在任何支持 Métal 的 Apple 平台上使用。
在 github 上进一步了解 Mlx
基于 GPU Apple 训练机器学习和 Ai 模型
