Electronique Mag - Le journal de l'électronique.

Dans le cadre de cet effort, AMD et PyTorch partagent certaines mises à jour de l’écosystème logiciel AMD ROCm dans un article de blog, mettant en évidence les dernières mises à jour de ROCm et PyTorch permettant aux développeurs de construire de nouvelles solutions d’IA sur les accélérateurs AMD Instinct et Radeon.

Les points forts sont les suivants :

 Intégration Continue (IC) complète pour ROCm sur PyTorch : Toutes les fonctions sont désormais vérifiées par un processus complet d’intégration continue, ce qui permet de favoriser un processus de création et de test approprié avant la sortie prévue de wheel Docker et PIP.

 Ajout du profileur Kineto : Avec l’ajout du support du profileur à ROCm, les développeurs et les utilisateurs peuvent profiter des outils de diagnostic et de profilage pour mieux comprendre et traiter les goulots d’étranglement des performances.

 Prise en charge des principales bibliothèques PyTorch : Les bibliothèques de l’écosystème PyTorch comme TorchText, TorchRec, TorchVision, TorchAudio et d’autres collections optimisées comme MIOpen, RCCL et rocBLAS sont accessibles pour atteindre de nouveaux gains d’efficacité potentiels et de meilleures performances.

 Moteur d’inférence AITemplate : Pour améliorer les performances, AITemplate, le logiciel libre de MetaAI, et la bibliothèque AMD Composable Kernel (CK) peuvent prendre en charge une utilisation accrue des cœurs matriciels AMD pour les blocs de transformation.

Pour faciliter l’accélération de l’IA à la fois à la périphérie et dans les centres de données, AMD fournit également un support PyTorch pour son portefeuille de FPGA et de SoC adaptatifs. La plateforme AMD Vitis AI propose des modèles d’IA, des Deep learning Processor Unit (DPU) optimisés, des outils, des bibliothèques et des exemples de conception pour l’IA.

https://www.amd.com/