IT之家, Oktubre 20 - Noong lokal na petsa noong Oktubre 19, ipinahayag ng Amazon ang paglunsad ng open-source na kasangkapan na TorchNeuron, na nagpapahintulot sa mga developer na i-run ang kanilang PyTorch code nang lokal sa kanilang sariling Trainium chip, kailangan lang i-configure nang isang beses, walang kailangang i-recode.
Ayon sa IT Home, ipapalabas ng TorchNeuron sa pamamagitan ng open-source license sa北美 PyTorch Conference sa San Jose, California, noong Oktubre 20 sa lokal na oras.
Ang PyTorch ay isang open-source framework na pinamumunuan ng Meta at ginagamit ng karamihan sa mga developer ng artificial intelligence. Ang NVIDIA ay nag-invest ng mahigit sa sampung taon sa pagbuo ng CUDA tools, na nagpapahintulot sa PyTorch code na mag-run nang epektibo sa mga chip ng NVIDIA.
Ayon sa impormasyon, nag-run ang mga inhinyero ng Amazon ng parehong AI training script sa tradisyonal na chip at sa Trainium chip. Ang tanging pagkakaiba ay ang mga setting parameter sa code na tumutukoy sa gamiting chip. Ang mga resulta ay ipinakita na ang AI model ay natututo ng parehong mga bagay sa parehong mga kapaligiran, at parehong bilis ng pagkatuto. Ibig sabihin nito na ang mga tool na ginagamit ng mga developer para sa pagsubok, pag-debug, at pagpapalawak ng AI model ay maaaring gamitin nang direkta sa Trainium nang walang anumang pagbabago.
Sinabi ng Amazon na ang TorchNeuron ay nagdala ng isang mahalagang elemento na matagal nang nawawala sa industriya ng artificial intelligence: tunay na mga alternatibo. Kapag kayang magpalit ang mga developer sa iba't ibang chip nang walang karagdagang gastos, kailangan ng mga tagagawa ng chip na magbigay ng mas kompetitibong produkto upang manalo sa pagkakataon ng mga developer; samantala, kayang magkaroon ng benepisyo ang mga developer sa pamamagitan ng pagbaba ng gastos at pagpapabilis ng pagpapalit.
Dagdag pa, aktibong nakikilahok ang Amazon sa pag-unlad ng PyTorch sa upstream, at nagtatrabaho kasama ang PyTorch community upang alisin ang mga code na nag-uugnay sa framework sa partikular na chip. Ang kanilang layunin ay gawing “hardware-independent” ang PyTorch para sa buong komunidad ng developer, hindi lamang para sa mga gumagamit ng Trainium.