MPS
Timeline (last 90 days)
MPS后端和tensorflow-metal插件在算子覆盖率和稳定性上仍不及CUDA生态成熟
Kubernetes原生不具备感知GPU的能力，GPU设备插件以DaemonSet形式运行在每个GPU节点上，用户可通过nvidia.com/gpu声明申请GPU；GPU不支持超卖，除非使用MIG或MPS等虚拟化技术
GPU不支持超卖，一张卡要么整卡分配要么不分配，除非使用MIG或MPS等虚拟化技术
许多第三方库如自定义CUDA kernel、FlashAttention等高性能注意力实现不支持MPS
PyTorch从1.12版本开始正式支持MPS（Metal Performance Shaders）后端
截至2024年底，仍有部分PyTorch操作未在MPS上实现，遇到这些操作时框架会自动回退到CPU执行，造成性能下降
JetBrains的MPS（Meta Programming System）是目前最成熟的投射式编辑器之一，允许用户通过可视化界面直接操作AST而非编辑文本
All Facts (7)
MPS后端和tensorflow-metal插件在算子覆盖率和稳定性上仍不及CUDA生态成熟
50%UnverifiedKubernetes原生不具备感知GPU的能力，GPU设备插件以DaemonSet形式运行在每个GPU节点上，用户可通过nvidia.com/gpu声明申请GPU；GPU不支持超卖，除非使用MIG或MPS等虚拟化技术
50%UnverifiedGPU不支持超卖，一张卡要么整卡分配要么不分配，除非使用MIG或MPS等虚拟化技术
50%Unverified许多第三方库如自定义CUDA kernel、FlashAttention等高性能注意力实现不支持MPS
50%UnverifiedPyTorch从1.12版本开始正式支持MPS（Metal Performance Shaders）后端
50%Unverified截至2024年底，仍有部分PyTorch操作未在MPS上实现，遇到这些操作时框架会自动回退到CPU执行，造成性能下降
50%UnverifiedJetBrains的MPS（Meta Programming System）是目前最成熟的投射式编辑器之一，允许用户通过可视化界面直接操作AST而非编辑文本
50%