mac Mini m2 깡통 vs Nvidia GTX1050 Tensorflow GPU 환경 속도 비교

■ Mac mini 설치환경

mac mini m2 깡통(8Core CPU + 10Core GPU) + 16G RAM 

macOS Sonoma 14.3.1

Anaconda v2023.09-0 (Python 패키지 관리)
Python v3.11
Tensorflow-macos v2.15.0
Tensorflow-metal v1.1.0

 

■ Nvidia GPU 설치환경

GPU : GTX-1050 2GB

CPU : Intel i5-8500 (6Core) Desktop

Ubuntu Desktop 22.04 LTS

NVidia Driver v535 (2024-03-04 현재 최신)

CUDA x86_64 v11.8 (v12.2 호환 불가)
cuDNN v8.6.0.163 (v8.9.7 호환 불가)

 Anaconda v2023.09-0 (Python 패키지 관리)
Python v3.10
Tensorflow v2.13.0
Tensorflow[and-cuda] v2.13.0

 

■ 특징

둘다 높은 퍼포먼스를 기대하기는 어려우나

mac Mini는 저전력 CPU 및 GPU이고

GTX-1050도 역시 성능은 기대하기 어려우나 데스크탑용이라는 특징이 있다.

※ Tensorflow v2.15는 호환 되지 않아 부득이 v2.13을 사용 하였다.

 

■ Tensorflow GPU 속도 테스트 ( mac Mini m2 )

 

■ Tensorflow GPU 속도 테스트 ( GTX-1080 2G )

 

■ Tensorflow CPU 속도 테스트 ( mac Mini m2 )

 

참고로 Tensorflow-mac에서 CPU Only 모드의 경우 다음 구문을 추가한다.

import tensorflow as tf # Hide GPU from visible devices tf.config.set_visible_devices([], 'GPU')

 

■ CPU 및 GPU Tensorflow 처리 속도 테스트 결과

	Mac mini M2 (GPU)	GTX-1050	Mac mini M2 (CPU)
Part 1	54s	1min 3s	17.5s
Part 2	29.8s	42s	13s

 

mac mini GPU가 Desktop용 GTX-1080보다 조금 빠르다.. mac mini는 최소사양인데 이정도면 괜찬게 나온거 같다.

다만 테스트한 모델의 경우 mac mini CPU를 사용하면 현저하게 빨라진다.

무조건 GPU가 빠르다는 편견은 버려야 할듯 하다. ^^;;;

 

■ 속도 관련 참고 자료

https://cpuu.postype.com/post/9091007

https://towardsdatascience.com/benchmark-m1-vs-xeon-vs-core-i5-vs-k80-and-t4-e3802f27421c

* 고 사양에서는 다음 자료가 참고가 될듯 하다. ( Apple M2 max vs Nvidia V100 )

https://towardsdatascience.com/apple-m2-max-gpu-vs-nvidia-v100-part-2-big-models-and-energy-efficiency-3377000472d2

Apple M2 Max GPU vs Nvidia V100 (Part 2): Big Models and Energy Efficiency

M2 max가 V100에 비해 처리 속도가 조금 뒤쳐지긴 하지만 전성비가 비교 불가로 좋기 때문에 다음 문구에 주목할 필요가 있을듯 하다.

아무것도 하지 않을 때 컴퓨터를 실행시키는 것만으로도 V100은 약 24W를 소비하는 반면 M2 Max는 평균 24mW를 소비하므로 1000분의 1이나 적습니다 . 또한 V100은 관리할 GUI나 화면이 없는 서버에서 실행되는 반면 M2 Max는 5K Retina 디스플레이를 관리한다는 점에도 유의해야 합니다 .

 

아마도 당장 집에서 로컬로 작업할때는 M2 max가 더 유리할듯 하다. 조만간 훨씬더 빨라진 M4나 M5가 기대된다 ^^