深度学习框架pytorch与apple的metal绘图api团队合作，开始在mac上的pytorch训练支持gpu加速，使得pytorch训练速度比原本仅使用cpu快上数倍，而这改进mac执行机器学习工作流程的能力，使得开发者能够在本地端更顺畅地进行模型原型设计和微调。
过去mac上的pytorch训练仅能利用cpu进行运算，但在即将发布的pytorch v1.12版本中，开发者可以使用apple silicon gpu来显著加速模型训练。pytorch团队解释，加速gpu训练使用apple的渲染器metal performance shaders（mps）作为后端实例，mps后端扩展了pytorch框架，在mac上提供脚本和功能以配置和执行运算。
由于每台apple silicon设备都有统一的内存架构，gpu能够直接访问完整的内存存储，官方提到，这使得mac更适合用于机器学习开发，开发者能够在本地端训练更大的网络，降低云计算开发成本，以及对额外本地端gpu的需求，而且统一内存架构也减少了资料检索延迟，提高端到端性能。
根据pytorch团队的测试，在gpu上进行模型训练和评估的速度，都比cpu基准高上不少。
pytorch开发者想要在mac上用到gpu加速的功能，需要执行macos 12.3或更高版本，且安装arm64原生版本python的apple silicon mac，pytorch则需要即将发布的pytorch v1.12，该版本目前正在预览阶段。