Viime vuonna Meta ilmoitti, että PyTorch on liittynyt Linux Foundationiin neutraaliksi alustaksi koneoppimisprojektin ja -yhteisön kehittämiselle, ja AMD liittyy johtokuntaan.
PyTorch Foundation edistää aktiivisesti tekoälyn käyttöönottoa demokratisoimalla ohjelmistoekosysteemiä avoimen lähdekoodin periaattein, mikä on linjassa avoimen ohjelmistoekosysteemin ydinperiaatteiden kanssa. AMD. AMD puolestaan edistää innovaatioita ja pyrkii yksinkertaistamaan ja nopeuttamaan tekoälyn käyttöönottoa monissa tieteellisissä löytöissä.
Kun hänestä tuli PyTorch Foundationin perustajajäsen, hän jatkoi avoimen lähdekoodin tekoälykehysten parantamista. Ja nyt AMD ja PyTorch esittelevät uusimmat päivitykset ROCm- ja PyTorchiin, joiden avulla kehittäjät voivat luoda uusia tekoälyratkaisuja, jotka perustuvat AMD Instinct- ja Radeon-kiihdyttimiin.
PyTorch-yhteisön tuki on ollut erittäin hyödyllistä havaita tiettyjä puutteita, priorisoida tärkeitä päivityksiä ja antaa palautetta suorituskyvyn optimoimiseksi ja tukea matkaa "beta" -versiosta "vakaaseen". Yhteisen ponnistelun tulokset näkyvät selvästi suoritustasolla, jota mitataan keskeisillä alan mittareilla, kuten SuperBenchillä. Microsoft.
Sekä AMD CDNA -arkkitehtuurin että ROCm:n ja PyTorchin asteittainen parannus osoittaa yhden GPU-mallin suorituskyvyn kasvun AMD Instinct MI100:sta uusimman sukupolven AMD Instinct MI200 -perheen grafiikkasuoritteisiin ROCm 4.2:sta ROCm 5.3:een ja PyTorch 1.7:stä PyTorch 1.12chiin. Keskeisiä päivityksiä ovat:
- Täysi jatkuva integrointi (CI) ROCm sisään PyTorch. Kaikki ominaisuudet testataan CI-prosessin kautta, mikä auttaa rakentamaan ja testaamaan kunnolla ennen odotettua Docker-julkaisua ja PIP-pyörää
- Kineto Profiler -tuki. ROCm:n profilointituen ansiosta kehittäjät ja käyttäjät voivat saada tehokkaita diagnostiikka- ja profilointityökaluja, jotka ymmärtävät paremmin ja poistavat suorituskyvyn pullonkauloja.
- Tuki tärkeimmille PyTorch-kirjastoille. Käyttäjille tarjotaan avoin pääsy PyTorch-kirjastoekosysteemiin, mukaan lukien TorchText, TorchRec, TorchVision, TorchAudio ja muut optimoidut kokoelmat, kuten MIOpen, RCCL ja rocBLAS uusien tehokkuuden ja tuottavuuden parantamiseksi.
- AITemplate Inference Engine -tuki. Suorituskyvyn parantamiseksi avoimen lähdekoodin MetaAI AITemplate ja Composable Kernel (CK) -kirjasto voivat tukea useampia AMD-matriisiytimiä muuntajalohkoille.
Lisäksi AMD ja PyTorch ovat yhdessä kehittäneet yli 50 ominaisuutta ja toiminnallisuuden parannusta lisätäkseen vakaan ROCm-tuen. Näitä ovat parannukset työkaluihin, kääntäjiin, suoritusaikoihin, grafiikan optimointi TorchScriptillä, INT8-kvanttipolun käyttö ja ONNX-ajonaikainen integraatio.
AMD tarjoaa PyTorchille pääsyn valikoimaan FPGA:ita ja mukautuvia SoC:ita nopeuttaakseen tekoälyominaisuuksien käyttöä sekä reunalla että datakeskuksessa. AMD Vitis AI -alusta tarjoaa tekoälymalleja, optimoituja syväoppimisprosessoriytimiä (DPU:ita), työkaluja, kirjastoja ja esimerkkiprojekteja tekoälylle.
Mielenkiintoista myös: