为使开发人员、工程师和各式研究人员也能在搭载M1芯片的新款Mac能顺利运行TensorFlow，同时强化TensorFlow的性能，TensorFlow推出为Mac用户优化的TensorFlow 2.4，同时结合中苹果推出的ML Compute框架，进一步提升TensorFlow在苹果Mac上的机器学习、神经网络等训练性能。
对于开发者、工程师、研究人员来说，Mac一直是非常受欢迎的平台，常有人通过Mac进行神经网络、机器学习等训练，但如何提升训练速度，一直是个挑战。而随着苹果推出Arm架构的M1芯片，为了加速训练性能和降低部署门槛，TensorFlow也随即推出优化过的版本TensorFlow 2.4，让M1版Mac和英特尔版Mac都能使用。
另外，苹果也推出ML Compute框架，强化TensorFlow模型的训练。以往在Mac上，TensorFlow仅支持CPU，也就是仅使用CPU进行训练，但优化过后的TensorFlow 2.4可运用苹果的ML Compute，让GPU也能支持模型训练。
在M1上使用ML Compute的训练结果。
换言之，借由TensorFlow 2.4和ML Compute，不论是新的M1版Mac还是旧的英特尔版Mac，其CPU和GPU都能用于模型训练，大幅加快训练速度。而TensorFlow官方也表示，用户不需要对现有的TensorFlow文件做任何更改，就可以使用ML Compute作为TensorFlow和TensorFlow插件（TensorFlow Addons）的后端（Backend）。
（图片来源：TensorFlow）