M1 MacBook Air在浏览器中击中900GFLOPS，使用Safari的实验WebGPU

###还有另一个令人印象深刻的M1统计信息（你可以在浏览器中尝试）Safari通过WSL Kernels通过WSL Kernels实验支持WebGPU.I写了一个简单的调谐器，它试图优化矩阵乘法。如果您有Safari，则可以尝试[这里]（ https://jott.live/html/webgpu_demo.html），p).（您有效地启用WebGPU，在Develop和GT中启用WebGPU;实验功能。）我的** M1 MacBook Air实现900GFLOPS **后换秒秒。MY英特尔MacBook Pro只达到100GFlops，具有相同的详尽搜索。如图所示，MobileNet V3大（x1.0）是〜219mflock.running在这种性能下，它可以执行4,500个推论**每秒**。基础BERT模型（12层）是11.2 GFLOPS。在这个完善的情况下，理论上可以理解90次。基本思想是瓷砖内存访问，矢量化，使用`mad`指令和曲调来进行线程和调度参数。结果是一个看起来像这样的内核：``` [NumThreads（2,8,1）]计算void main（常量float4 [] a：寄存器（u0），常量float4 [] b：寄存器（u1），设备float4 [] c：寄存器（u2），float3 threadid： sv_dispatchthreadid）{uint m = uint（threadid.x）; uint n = uint（threadid.y）; FLOAT4结果_0_0 = FLOOT4（0.0，0.0,0.0，0.0）; FLOAT4结果_1_0 = FLOAT4（0.0,0.0,0.0，0.0）; FLOAT4结果_2_0 = FLOAT4（0.0，0.0,0.0，0.0）; FLOAT4结果_3_0 = FLOAT4（0.0，0.0,0.0，0.0）; for（uint k = 0; k＆lt; 256; k ++）{float4 a_0_0 = a [（m * 4 + 0）* 256 +（k * 1 + 0）]; float4 a_1_0 = a [（m * 4 + 1）* 256 +（k * 1 + 0）]; float4 a_2_0 = a [（m * 4 + 2）* 256 +（k * 1 + 0）]; float4 a_3_0 = a [（m * 4 + 3）* 256 +（k * 1 + 0）]; float4 b_0_0 = b [（k * 4 + 0）* 256 +（n * 1 + 0）]; float4 b_0_1 = b [（k * 4 + 1）* 256 +（n * 1 + 0）]; float4 b_0_2 = b [（k * 4 + 2）* 256 +（n * 1 + 0）]; float4 b_0_3 = b [（k * 4 + 3）* 256 +（n * 1 + 0）];结果_0_0 + = mul（a_0_0.x，b_0_0）;结果__0 + = mul（a_1_0.x，b_0_0）;结果_2_0 + = mul（a_2_0.x，b_0_0）;结果_3_0 + = mul（a_3_0.x，b_0_0）;结果_0_0 + = mul（a_0_0.y，b_0_1）;结果__0 + = mul（a_1_0.y，b_0_1）;结果_2_0 + = mul（a_2_0.y，b_0_1）;结果_3_0 + = mul（a_3_0.y，b_0_1）;结果_0_0 + = mul（a_0_0.z，b_0_2）;结果__0 + = mul（a_1_0.z，b_0_2）;结果_2_0 + = mul（a_2_0.z，b_0_2）;结果_3_0 + = mul（a_3_0.z，b_0_2）;结果_0_0 + = mul（a_0_0.w，b_0_3）;结果__0 + = mul（a_1_0.w，b_0_3）;结果_2_0 + = mul（a_2_0.w，b_0_3）;结果_3_0 + = mul（a_3_0.w，b_0_3）; } C [（m * 4 + 0）* 256 +（n * 1 + 0）] =结果_0_0; c [（m * 4 + 1）* 256 +（n * 1 + 0）] =结果_1_0; c [（m * 4 + 2）* 256 +（n * 1 + 0）] =结果_2_0; C [（m * 4 + 3）* 256 +（n * 1 + 0）] =结果_3_0;}派遣参数：更频繁地调整128,32,1.1 /}（例如要对`提供k`维度更多或做更多级别的平铺），但是我对结果很满意。浏览器中的近1TFlops（峰值的50％）非常赋予＆＃39;令人兴奋的＆＃39;令人兴奋的可用技术。