שנה שעברה meta הודיעה כי PyTorch הצטרפה ל-Linux Foundation כפלטפורמה ניטרלית לפיתוח פרויקט למידת המכונה והקהילה, כאשר AMD מצטרפת לוועד המנהל.
קרן PyTorch מקדמת באופן פעיל את אימוץ הבינה המלאכותית על ידי דמוקרטיזציה של המערכת האקולוגית של התוכנה באמצעות עקרונות קוד פתוח, העולה בקנה אחד עם עקרונות הליבה של מערכת האקולוגית של התוכנה הפתוחה AMD. AMD מצידה מקדמת חדשנות ושואפת לפשט ולהאיץ את תהליך הטמעת AI במגוון רחב של תגליות מדעיות.
כשהיא הפכה לחברה מייסדת ב-PyTorch Foundation, היא המשיכה לשפר מסגרות AI בקוד פתוח. ועכשיו AMD ו-PyTorch מציגות את העדכונים האחרונים ל-ROCm ו-PyTorch, שיאפשרו למפתחים ליצור פתרונות AI חדשים המבוססים על מאיצי AMD Instinct ו-Radeon.
התמיכה מקהילת PyTorch עזרה מאוד בזיהוי פערים ספציפיים, תעדוף עדכונים מרכזיים ומתן משוב כדי לייעל את הביצועים ולתמוך במסע מ'בטא' ל'יציב'. התוצאות של המאמץ המשותף מוצגות בבירור על ידי רמת הביצועים הנמדדת במדדים מרכזיים בתעשייה כגון SuperBench מ- Microsoft.
השיפור המצטבר של ארכיטקטורת CDNA של AMD ושל ROCm ושל PyTorch מציג את צמיחת הביצועים של דגם GPU יחיד מ-AMD Instinct MI100 למשפחת ה-GPUs של AMD Instinct MI200 מהדור האחרון מ-ROCm 4.2 עד ROCm 5.3 ומ-PyTorch 1.7 ל-PyTorch. עדכונים מרכזיים כוללים:
- אינטגרציה רציפה מלאה (CI) עבור ROCm in PyTorch. כל התכונות נבדקות באמצעות תהליך ה-CI, שעוזר לבנות ולבדוק כראוי לפני שחרור ה-Docker הצפוי וגלגל ה-PIP
- תמיכה ב-Kineto Profiler. עם תמיכת פרופילים עבור ROCm, מפתחים ומשתמשים יוכלו לקבל כלי אבחון ופרופילים רבי עוצמה כדי להבין טוב יותר ולחסל צווארי בקבוק בביצועים
- תמיכה בספריות מפתח PyTorch. למשתמשים ניתנת גישה פתוחה למערכת האקולוגית של ספריית PyTorch, כולל TorchText, TorchRec, TorchVision, TorchAudio, ואוספים מותאמים אחרים כגון MIOpen, RCCL ו-rocBLAS לרמות חדשות של יעילות ופרודוקטיביות גבוהה יותר
- תמיכה במנוע מסקנות של AITemplate. כדי לשפר את הביצועים, AITemplate הקוד הפתוח MetaAI וספריית ה-Composable Kernel (CK) יכולים לתמוך ביותר ליבות מטריצת AMD עבור בלוקי שנאים.
בנוסף, AMD ו- PyTorch פיתחו במשותף למעלה מ-50 תכונות ושיפורי פונקציונליות כדי להוסיף תמיכה יציבה ב-ROCm. אלה כוללים שיפורים בכלים, מהדרים, זמני ריצה, אופטימיזציה של גרפיקה עם TorchScript, שימוש בנתיב הקוונטי INT8 ושילוב זמן ריצה של ONNX.
כדי להאיץ את היישום של יכולות AI הן בקצה והן במרכז הנתונים, AMD מספקת ל-PyTorch גישה לפורטפוליו של FPGAs ו-SoCs אדפטיביים. פלטפורמת AMD Vitis AI מציעה מודלים של בינה מלאכותית, ליבות מעבד למידה עמוקה (DPU) מותאמות, כלים, ספריות ופרויקטים לדוגמה עבור בינה מלאכותית.
מעניין גם: