M4Pro MacBook ProのGPUをTensorflowで実行する手順はコチラで試しましたので、PyTorchの使い方もまとめておきます。PyTorchは2024/11/14現在、既にデフォルトでMPS（Metal Performance Shaders）に対応していますので、特別な手順は必要なく .to("mps")メソッドを使うだけでハードウェアリソースを利用することができます。

手順の前準備

以下記事を進めていることを前提に書いています。

Homebrewをインストールする
Anacondaをインストールする
Miniforgeをインストトールする

PyTorchをインストールする

それでは仮想環境を作成してPyTorchをインストールしていきましょう。この手順では仮想環境の作成にAnacondaを使っています。

conda仮想環境を作成する

Anacondaで仮想環境を作成します。ここではpython3.8を選択しました。

$ mkdir pytorchbox
$ cd pytorchbox 
$ conda create --prefix ./env python=3.8
$ conda activate ./env

PyTorchを仮想環境にインストールする

PyTorchの公式サイトにアクセスすると、Anaconda環境へのインストール用コマンドが表示されますので、その通りに実行します。

(env) $ conda install pytorch::pytorch torchvision torchaudio -c pytorch

実際に使ってみよう

それでは実際に使ってみましょう。

特に必要な手順はなくtorchで作成したデータを.to("mps")でMPS (Metal Performance Shaders)へ転送するだけです。転送したデータは.deviceメソッドを使うことにより、どこにデータが置かれているか見ることができます。

以下の例ではテストデータとして3x3のテンソルを作成しています。テンソルの各要素は正規分布のランダムな値で初期化しています。

(env) $ python
>>> import torch
>>> torch.backends.mps.is_available()
True
>>> testdata = torch.rand(3,3)
>>> print(testdata)
tensor([[0.9923, 0.1906, 0.1752],
        [0.2960, 0.3211, 0.6276],
        [0.3285, 0.4022, 0.4152]])
>>> trdata = testdata.to("mps")
>>> trdata.device
device(type='mps', index=0)

ハードウェアリソースを使えていますね！

実際に推論で使う方法は以下の記事にまとめています。併せてご利用ください。