Keluaran PyTorch 2.0: Kemas Kini Utama kepada Rangka Kerja Pembelajaran Mesin
Secara ringkas
PyTorch telah mengeluarkan PyTorch 2.0, kemas kini utama kepada rangka kerja pembelajaran mesin sumber terbukanya dengan ciri dan peningkatan baharu yang menjadikannya lebih berkuasa dan boleh disesuaikan.
Kemas kini termasuk API Transformer berprestasi tinggi dan sokongan untuk latihan dan inferens menggunakan perhatian produk titik berskala (SPDA).
PyTorch telah mengumumkan pengeluaran PyTorch 2.0, rangka kerja pembelajaran mesin sumber terbuka, yang sangat dinanti-nantikan oleh komuniti sains data. Pasukan itu menyampaikan beberapa ciri dan peningkatan baharu kepada platform, meningkatkan potensi dan kebolehsuaiannya.
Rangka kerja ini digunakan untuk penglihatan komputer dan aplikasi pemprosesan bahasa semula jadi dan berada di bawah payung Yayasan Linux. Ia menyediakan pengkomputeran tensor dengan pecutan GPU dan rangkaian neural dalam yang dibina pada pembezaan automatik. Beberapa perisian pembelajaran mendalam, seperti Tesla Autopilot, Pyro, Transformers, PyTorch Lightning dan Catalyst, dibina di atas PyTorch.
PyTorch 2.0 melaksanakan prestasi tinggi baharu API Transformer, yang bertujuan untuk menjadikan latihan dan penggunaan model Transformer tercanggih lebih berpatutan. Keluaran ini juga termasuk sokongan berprestasi tinggi untuk latihan dan inferens menggunakan seni bina kernel tersuai untuk perhatian produk titik berskala (SPDA).
Pada masa yang sama, PyTorch dikeluarkan OpenXLA dan PyTorch/XLA 2.0. Gabungan PyTorch dan XLA menyediakan timbunan pembangunan yang boleh menyokong kedua-dua latihan model dan inferens. Ini mungkin kerana PyTorch ialah pilihan popular dalam AI, dan XLA mempunyai ciri pengkompil yang sangat baik. Untuk menambah baik timbunan pembangunan ini, akan ada pelaburan dalam tiga bidang utama.
Untuk melatih model besar, PyTorch/XLA melabur dalam ciri seperti latihan ketepatan campuran, prestasi masa jalan, pembahagian model yang cekap dan pemuatan data yang lebih pantas. Beberapa ciri ini sudah tersedia, manakala yang lain akan dikeluarkan pada akhir tahun ini, memanfaatkan susunan pengkompil OpenXLA yang mendasari.
Untuk inferens model, PyTorch/XLA memfokuskan pada menyampaikan prestasi kompetitif dengan Dynamo dalam keluaran PyTorch 2.0. Ciri berorientasikan inferens tambahan termasuk sokongan penyajian model, Dynamo untuk model besar yang dipecahkan dan pengkuantitian melalui Torch.Export dan StableHLO.
Dari segi penyepaduan ekosistem, PyTorch/XLA sedang mengembangkan integrasi dengan Hugging Face dan PyTorch Lightning supaya pengguna boleh memanfaatkan ciri yang akan datang dan ciri OpenXLA hiliran melalui API yang biasa. Ini termasuk sokongan untuk FSDP dalam Memeluk Wajah dan Kuantiti dalam OpenXLA.
PyTorch/XLA ialah projek sumber terbuka, yang bermaksud anda boleh menyumbang kepada pembangunannya dengan melaporkan isu, menyerahkan permintaan tarik dan menghantar permintaan untuk ulasan (RFC) pada GitHub.
Baca lebih lanjut:
- China merancang untuk meningkatkan VR kepada $48 bilion menjelang 2026
- Rumah Putih mengeluarkan rangka kerja komprehensif untuk peraturan aset digital, termasuk kripto dan NFTs
- Stability AI mengumpul $101 juta, menutup penilaian pada $1 bilion
Penafian
Selaras dengan Garis panduan Projek Amanah, sila ambil perhatian bahawa maklumat yang diberikan pada halaman ini tidak bertujuan untuk menjadi dan tidak seharusnya ditafsirkan sebagai nasihat undang-undang, cukai, pelaburan, kewangan atau sebarang bentuk nasihat lain. Adalah penting untuk hanya melabur apa yang anda mampu kehilangan dan mendapatkan nasihat kewangan bebas jika anda mempunyai sebarang keraguan. Untuk maklumat lanjut, kami mencadangkan merujuk kepada terma dan syarat serta halaman bantuan dan sokongan yang disediakan oleh pengeluar atau pengiklan. MetaversePost komited kepada laporan yang tepat dan tidak berat sebelah, tetapi keadaan pasaran tertakluk kepada perubahan tanpa notis.
Tentang Pengarang
Agne ialah seorang wartawan yang membuat liputan tentang trend dan perkembangan terkini dalam metaverse, AI, dan Web3 industri untuk Metaverse Post. Keghairahannya untuk bercerita telah menyebabkan dia menjalankan banyak temu bual dengan pakar dalam bidang ini, sentiasa berusaha untuk mendedahkan cerita yang menarik dan menarik. Agne memegang ijazah Sarjana Muda dalam kesusasteraan dan mempunyai latar belakang yang luas dalam penulisan tentang pelbagai topik termasuk perjalanan, seni dan budaya. Dia juga menawarkan diri sebagai editor untuk organisasi hak haiwan, di mana dia membantu meningkatkan kesedaran tentang isu kebajikan haiwan. Hubungi dia [e-mel dilindungi].
lebih banyak artikel
Agne ialah seorang wartawan yang membuat liputan tentang trend dan perkembangan terkini dalam metaverse, AI, dan Web3 industri untuk Metaverse Post. Keghairahannya untuk bercerita telah menyebabkan dia menjalankan banyak temu bual dengan pakar dalam bidang ini, sentiasa berusaha untuk mendedahkan cerita yang menarik dan menarik. Agne memegang ijazah Sarjana Muda dalam kesusasteraan dan mempunyai latar belakang yang luas dalam penulisan tentang pelbagai topik termasuk perjalanan, seni dan budaya. Dia juga menawarkan diri sebagai editor untuk organisasi hak haiwan, di mana dia membantu meningkatkan kesedaran tentang isu kebajikan haiwan. Hubungi dia [e-mel dilindungi].
