AMD и Intel объединят оптимизации PyTorch для ИИ на процессорах x86
iXBT.com ·
AMD и Intel договорились объединить наработки по оптимизации PyTorch в открытой библиотеке глубокого обучения oneDNN. Она развивается под эгидой фонда Unified Acceleration Foundation (UXL), который поддерживает открытые технологии ускорения вычислений. Компании рассчитывают сократить фрагментацию программной экосистемы x86 и упростить разработчикам создание, сопровождение и развёртывание ИИ-приложений на процессорах обоих производителей.
Решение принято по рекомендации консультативной группы x86 Ecosystem Advisory Group. AMD и Intel согласовали oneDNN в качестве основной открытой библиотеки для аппаратного ускорения ИИ в PyTorch на процессорах x86. Это позволит разработчикам использовать общую программную основу вместо отдельных путей оптимизации под оборудование каждой компании. AMD уже переносит оптимизации из собственной библиотеки ZenDNN в кодовую базу oneDNN и вошла в управляющий комитет UXL Foundation.
Следующий этап сотрудничества — разработка AI Compute Extensions, набора расширений системы команд x86, предназначенного для ускорения матричного умножения. Такие операции широко используются при обучении и запуске нейросетей. Компании планируют интегрировать поддержку новых инструкций в PyTorch через обновления oneDNN. Однако речь пока идёт о разрабатываемой технологии: о готовности расширений и сроках их появления в серийных процессорах в сообщении не говорится.
В Intel рассчитывают, что общий программный путь избавит разработчиков от необходимости выбирать разные средства оптимизации в зависимости от производителя процессора. В AMD связывают сотрудничество с развитием открытой программной экосистемы и упрощением создания высокопроизводительных ИИ-приложений. Представитель Red Hat, участвующей в сообществе PyTorch, также поддержал унификацию инструментов для разработки и развёртывания таких систем.
Соглашение касается прежде всего программной инфраструктуры и её дальнейшего развития, а не выпуска нового процессора или готового ускорителя. Общая библиотека должна упростить использование существующих возможностей AMD и Intel, а после появления AI Compute Extensions — предоставить единый путь для подключения новых аппаратных функций к PyTorch.