Πέρυσι Meta ανακοίνωσε ότι η PyTorch εντάχθηκε στο Linux Foundation ως ουδέτερη πλατφόρμα για την ανάπτυξη του έργου και της κοινότητας μηχανικής μάθησης, με την AMD να εντάσσεται στο διοικητικό συμβούλιο.
Το Ίδρυμα PyTorch προωθεί ενεργά την υιοθέτηση της τεχνητής νοημοσύνης με τον εκδημοκρατισμό του οικοσυστήματος λογισμικού μέσω αρχών ανοιχτού κώδικα, κάτι που είναι σύμφωνο με τις βασικές αρχές του οικοσυστήματος ανοιχτού λογισμικού AMD. Η AMD, από την πλευρά της, προωθεί την καινοτομία και προσπαθεί να απλοποιήσει και να επιταχύνει τη διαδικασία εφαρμογής της τεχνητής νοημοσύνης σε ένα ευρύ φάσμα επιστημονικών ανακαλύψεων.
Όταν έγινε ιδρυτικό μέλος του Ιδρύματος PyTorch, συνέχισε να βελτιώνει τα πλαίσια AI ανοιχτού κώδικα. Και τώρα η AMD και η PyTorch παρουσιάζουν τις πιο πρόσφατες ενημερώσεις για το ROCm και το PyTorch, οι οποίες θα επιτρέψουν στους προγραμματιστές να δημιουργήσουν νέες λύσεις τεχνητής νοημοσύνης με βάση τους επιταχυντές AMD Instinct και Radeon.
Η υποστήριξη από την κοινότητα του PyTorch ήταν εξαιρετικά χρήσιμη για τον εντοπισμό συγκεκριμένων κενών, την ιεράρχηση των βασικών ενημερώσεων και την παροχή σχολίων για τη βελτιστοποίηση της απόδοσης και την υποστήριξη του ταξιδιού από «beta» σε «σταθερό». Τα αποτελέσματα της κοινής προσπάθειας αποδεικνύονται ξεκάθαρα από το επίπεδο απόδοσης που μετράται σε βασικά σημεία αναφοράς του κλάδου όπως το SuperBench από Microsoft.
Η σταδιακή βελτίωση τόσο της αρχιτεκτονικής AMD CDNA όσο και των ROCm και PyTorch δείχνει την αύξηση της απόδοσης ενός μοντέλου GPU από την AMD Instinct MI100 στην τελευταία γενιά GPU της οικογένειας AMD Instinct MI200 από ROCm 4.2 σε ROCm 5.3 και από PyTorch 1.7 σε PyTorch 1.12. Οι βασικές ενημερώσεις περιλαμβάνουν:
- Πλήρης συνεχής ενσωμάτωση (CI) για ROCm in PyTorch. Όλες οι δυνατότητες ελέγχονται μέσω της διαδικασίας CI, η οποία βοηθά στη δημιουργία και τη σωστή δοκιμή πριν από την αναμενόμενη κυκλοφορία του Docker και τον τροχό PIP
- Υποστήριξη Kineto Profiler. Με την υποστήριξη προφίλ για ROCm, οι προγραμματιστές και οι χρήστες θα μπορούν να αποκτήσουν ισχυρά εργαλεία διάγνωσης και δημιουργίας προφίλ για να κατανοήσουν καλύτερα και να εξαλείψουν τα σημεία συμφόρησης απόδοσης
- Υποστήριξη για βασικές βιβλιοθήκες PyTorch. Οι χρήστες έχουν ανοιχτή πρόσβαση στο οικοσύστημα της βιβλιοθήκης PyTorch, συμπεριλαμβανομένων των TorchText, TorchRec, TorchVision, TorchAudio και άλλων βελτιστοποιημένων συλλογών όπως MIOpen, RCCL και rocBLAS για νέα επίπεδα απόδοσης και υψηλότερη παραγωγικότητα
- Υποστήριξη AITemplate Inference Engine. Για τη βελτίωση της απόδοσης, το MetaAI open source AITemplate και η βιβλιοθήκη Composable Kernel (CK) μπορούν να υποστηρίξουν περισσότερους πυρήνες AMD matrix για μπλοκ μετασχηματιστών.
Επιπλέον, η AMD και η PyTorch έχουν αναπτύξει από κοινού πάνω από 50 δυνατότητες και βελτιώσεις λειτουργικότητας για να προσθέσουν σταθερή υποστήριξη ROCm. Αυτές περιλαμβάνουν βελτιώσεις σε εργαλεία, μεταγλωττιστές, χρόνους εκτέλεσης, βελτιστοποίηση γραφικών με TorchScript, χρήση της κβαντικής διαδρομής INT8 και ενσωμάτωση χρόνου εκτέλεσης ONNX.
Για να επιταχύνει την εφαρμογή των δυνατοτήτων AI τόσο στο edge όσο και στο κέντρο δεδομένων, η AMD παρέχει στην PyTorch πρόσβαση σε ένα χαρτοφυλάκιο FPGA και προσαρμοστικών SoC. Η πλατφόρμα AMD Vitis AI προσφέρει μοντέλα τεχνητής νοημοσύνης, βελτιστοποιημένους πυρήνες επεξεργαστών βαθιάς μάθησης (DPU), εργαλεία, βιβλιοθήκες και παραδείγματα έργων τεχνητής νοημοσύνης.
Επίσης ενδιαφέρον: