L’article ne peut pas être activé avec JavaScript. Vous pouvez également activer JavaScript dans votre navigateur et sur la nouvelle page.
AMD et Intel soutiennent désormais une bibliothèque pour accélérer le travail de l’IA dans PyTorch sur les processeurs x86. Les développeurs exécutant des modèles sur un processeur Ryzen, EPYC, Core ou Xeon ne devraient plus avoir besoin d’un chemin distinct pour chaque marque.
AMD affirme que les deux sociétés ont choisi oneDNN, une bibliothèque d’apprentissage en profondeur open source, comme valeur par défaut pour l’accélération x86 dans PyTorch. Le groupe consultatif sur l’écosystème x86, créé par les deux rivaux, a recommandé cette décision.
AMD déplace ses propres optimisations ZenDNN dans la bibliothèque partagée oneDNN
Jusqu’à présent, AMD livrait ses réglages de processeur pour les frameworks d’IA sous le nom de ZenDNN. Intel a construit un DNN. AMD intègre désormais ZenDNN dans oneDNN et déclare qu’il continuera à affiner ce code pour ses propres puces.
oneDNN est géré par la Unified Acceleration Foundation, ou UXL, et non par Intel seul. AMD a rejoint UXL en tant que membre directeur, ce qui lui donne un mot à dire formel sur la destination de la bibliothèque.
« Les développeurs ne devraient pas avoir à réfléchir à des solutions logicielles distinctes pour tirer le meilleur parti d’un processeur x86 », a déclaré Jeff McVeigh d’Intel.
Un jeu d’instructions matricielles partagé appelé ACE atteindra PyTorch dans les mises à jour ultérieures
AMD et Intel travaillent également ensemble sur AI Compute Extensions, ou ACE. Il s’agit d’un nouveau jeu d’instructions x86 conçu pour accélérer la multiplication matricielle, le cœur mathématique des réseaux de neurones.
La prise en charge d’ACE sera disponible sur PyTorch via les futures mises à jour de oneDNN. AMD n’a donné aucune date.
Les développeurs exécutant des modèles d’IA sur des processeurs obtiennent un chemin de code au lieu de deux
Rien ne change pour les joueurs aujourd’hui. L’avantage est destiné aux personnes qui créent ou exécutent des outils d’IA sur le processeur, tels que de petits modèles locaux sur un ordinateur portable sans GPU puissant ou une inférence sur des serveurs.
Une bibliothèque signifie un ensemble de bogues à corriger et un seul endroit à régler. Les développeurs voudront mesurer si les puces AMD fonctionnent aussi bien via oneDNN que via ZenDNN.