Apple发布专为Mac优化的TensorFlow 2.4版本，经实验证实，使用优化的版本，无论是在MacBook Pro还是Mac Pro上，训练工作负载中每批次执行时间，都比使用TensorFlow 2.3还要短，而且在使用Apple自家M1芯片的Mac，执行TensorFlow 2.4工作负载，性能要比使用英特尔芯片的Mac高出不少。
深度学习函数库TensorFlow 2，可让开发者在不同的平台、设备和硬件上，训练机器学习模型，而Apple现在专门针对Mac，发布优化TensorFlow版本和新的机器学习运算框架（ML Compute Framework），使得Mac上模型训练工作能够更加快速。
新加入的机器学习运算框架，可以利用Mac的硬件，来加速模型训练工作负载，无论是使用搭载M1和英特尔芯片的Mac，都能获得性能提升，官方提到，特别是M1芯片中拥有高达8核CPU和8核GPU，更可极大程度提升训练性能。
M系列芯片为Apple Silicon其中一个系列，从iPhone 4开始，Apple就开始采用基于Arm架构，自己设计的A4芯片，此后包括AirPods、Apple Watch和HomePod，也都是使用Apple芯片，而在2020年6月，Apple首席执行官Tim Cook在Apple全球开发者大会上宣布，启动Mac芯片搬迁计划，Mac系列计算机在两年内，将从英特尔公司的处理器，改为使用Apple自己设计的芯片。
在11月刚结束不久的线上发布会，Apple发布了M系列芯片，以及该系列第一款芯片M1，同时也推出新款使用M1芯片的Mac产品。M1除了拥有多颗运算核心之外，还在单一芯片上集成多种技术，且具备统一内存架构，可大幅改善性能，是目前第一款以5纳米制程生产的个人计算机芯片，而这几天使用M1芯片的新Mac评测不断出炉，无论是在性能还是电池续航力，都获得了极高的评价。
官方使用TensorFlow 2.4进行实验，发现TensorFlow 2.4在Mac上性能，的确较TensorFlow 2.3好，而M1芯片的表现也比英特尔芯片还要好。结果显示M1芯片在机器学习领域，似乎也有很大的发展空间。
在2020最新使用英特尔芯片的MacBook Pro上，执行TensorFlow 2.3和经优化的TensorFlow 2.4，在Style Transfer以及DenseNet121等工作负载，TensorFlow 2.4版本每批次执行秒数都明显较低，而在使用M1芯片的MacBook Pro执行TensorFlow 2.4，比起英特尔的MacBook Pro的性能，更是快上好几倍。
在Mac Pro的比较上，由于尚没有M1芯片的机型，因此是以2019年使用英特尔芯片的Mac Pro，分别执行TensorFlow 2.3和经优化的TensorFlow 2.4进行比较，而结果也显示TensorFlow 2.4带来大量的性能提升，甚至在DenseNet121等模型，性能提升超过10倍。
官方提到，开发者不需要更改现有TensorFlow脚本，就能使用新加入的机器学习运算框架，机器学习运算框架会以TensorFlow的后端，或是扩展组件的形式运行。开发者现在就可以在Apple的GitHub存储库中，下载Mac优化的TensorFlow 2.4分支，之后TensorFlow官方会在主要分支中，整合Apple的版本，开发者将更容易获取更新和使用，为Mac优化的功能。