PyTorch 2.0 kiadás: A gépi tanulási keretrendszer jelentős frissítése
Röviden
A PyTorch kiadta a PyTorch 2.0-t, amely a nyílt forráskódú gépi tanulási keretrendszer jelentős frissítése új funkciókkal és fejlesztésekkel, amelyek hatékonyabbá és alkalmazkodóbbá teszik.
A frissítés tartalmaz egy nagy teljesítményű Transformer API-t, valamint támogatja a skálázott pont termékfigyelés (SPDA) segítségével végzett oktatást és következtetéseket.
A PyTorch bejelentette a megjelenését PyTorch 2.0, a nyílt forráskódú gépi tanulási keretrendszer, amelyet az adattudományi közösség nagyon várt. A csapat számos új funkciót és fejlesztést szállított a platformhoz, növelve annak hatékonyságát és alkalmazkodóképességét.
A keretrendszert számítógépes látás és természetes nyelvi feldolgozó alkalmazásokhoz használják, és a Linux Foundation ernyője alá tartozik. Tenzorszámítást biztosít GPU-gyorsítással és mély neurális hálózatokkal, amelyek automatikus differenciálásra épülnek. Néhány mély tanulási szoftver, például a Tesla Autopilot, a Pyro, a Transformers, a PyTorch Lightning és a Catalyst a PyTorch tetejére épül.
A PyTorch 2.0 új, nagy teljesítményt valósít meg Transformer API, melynek célja a legmodernebb Transformer modellek képzése és bevezetése megfizethetőbbé tenni. A kiadás emellett nagy teljesítményű támogatást is tartalmaz a betanításhoz és a következtetésekhez, amelyek egyéni kernelarchitektúrát használnak a skálázott ponttermékek figyelésére (SPDA).
Hasonló időben a PyTorch felszabaduló OpenXLA és PyTorch/XLA 2.0. A PyTorch és az XLA kombinációja olyan fejlesztői veremet biztosít, amely támogatja a modelltanítást és a következtetéseket is. Ez azért lehetséges, mert a PyTorch népszerű választás az AI-ban, és az XLA kiváló fordítói funkciókkal rendelkezik. A fejlesztési készlet javítása érdekében három fő területen valósulnak meg beruházások.
A nagy modellek betanításához a PyTorch/XLA olyan funkciókba fektet be, mint a vegyes precíziós képzés, a futásidejű teljesítmény, a hatékony modellfelosztás és a gyorsabb adatbetöltés. Ezen funkciók egy része már elérhető, míg mások még ebben az évben megjelennek, kihasználva a mögöttes OpenXLA fordítókészletet.
A modellkövetkeztetések érdekében a PyTorch/XLA arra összpontosít, hogy versenyképes teljesítményt nyújtson a Dynamóval a PyTorch 2.0 kiadásban. További következtetés-orientált funkciók közé tartozik a modellszolgáltatás támogatása, a Dynamo a szilánkos nagy modellekhez, valamint a kvantálás a Torch.Export és a StableHLO segítségével.
Az ökoszisztéma-integráció tekintetében a PyTorch/XLA kiterjeszti a Hugging Face és a PyTorch Lightning integrációját, hogy a felhasználók kihasználhassák a közelgő funkciókat és a későbbi OpenXLA funkciókat az ismerős API-kon keresztül. Ez magában foglalja az FSDP támogatását a Hugging Face-ben és a kvantálást az OpenXLA-ban.
A PyTorch/XLA egy nyílt forráskódú projekt, ami azt jelenti, hogy a problémák bejelentésével, lekérési kérelmek benyújtásával és megjegyzéskérések (RFC) küldésével hozzájárulhat a fejlesztéséhez. GitHub.
Bővebben:
- Kína azt tervezi, hogy 48-ra 2026 milliárd dollárra emeli a VR-t
- A Fehér Ház átfogó keretrendszert ad ki a digitális eszközök szabályozására, beleértve a kripto- és NFTs
- Stability AI 101 millió dollárt vesz fel, az értékelést 1 milliárd dollárra zárja
A felelősség megtagadása
Összhangban a A Trust Project irányelvei, kérjük, vegye figyelembe, hogy az ezen az oldalon közölt információk nem minősülnek jogi, adózási, befektetési, pénzügyi vagy bármilyen más formájú tanácsnak, és nem is értelmezhetők. Fontos, hogy csak annyit fektessen be, amennyit megengedhet magának, hogy elveszítsen, és kérjen független pénzügyi tanácsot, ha kétségei vannak. További információkért javasoljuk, hogy tekintse meg a szerződési feltételeket, valamint a kibocsátó vagy hirdető által biztosított súgó- és támogatási oldalakat. MetaversePost elkötelezett a pontos, elfogulatlan jelentéstétel mellett, de a piaci feltételek előzetes értesítés nélkül változhatnak.
A szerzőről
Agne újságíró, aki a metaverzum legújabb trendjeivel és fejleményeivel foglalkozik, az AI és Web3 iparágak számára Metaverse Post. A történetmesélés iránti szenvedélye arra késztette, hogy számos interjút készített e területek szakértőivel, mindig izgalmas és lebilincselő történetek feltárására törekedve. Agne irodalomból bachelor diplomát szerzett, és széleskörű írási háttérrel rendelkezik számos témakörben, beleértve az utazást, a művészetet és a kultúrát. Önkéntesként jelentkezett szerkesztőként az állatvédő szervezetnél is, ahol segített felhívni a figyelmet az állatjóléti kérdésekre. Vegye fel vele a kapcsolatot [e-mail védett].
További cikkek
Agne újságíró, aki a metaverzum legújabb trendjeivel és fejleményeivel foglalkozik, az AI és Web3 iparágak számára Metaverse Post. A történetmesélés iránti szenvedélye arra késztette, hogy számos interjút készített e területek szakértőivel, mindig izgalmas és lebilincselő történetek feltárására törekedve. Agne irodalomból bachelor diplomát szerzett, és széleskörű írási háttérrel rendelkezik számos témakörben, beleértve az utazást, a művészetet és a kultúrát. Önkéntesként jelentkezett szerkesztőként az állatvédő szervezetnél is, ahol segített felhívni a figyelmet az állatjóléti kérdésekre. Vegye fel vele a kapcsolatot [e-mail védett].
