PyTorch lance le runtime TRANSIT pour réduire les besoins en GPU pour l'entraînement de grands modèles de 50 %

iconKuCoinFlash
Partager
AI summary iconRésumé
Dans une mise à jour majeure pour les actualités sur les cryptomonnaies, PyTorch a lancé le runtime TRANSIT en collaboration avec MetaEra. Cet outil utilise une mémoire virtuelle unifiée pour réduire l'utilisation du GPU jusqu'à 50 % lors de l'entraînement de grands modèles. Il ne nécessite aucune modification de code et vise à rendre l'entraînement des LLM plus efficace. Le runtime a été présenté par Hyungyo Kim, Ph.D. (Source : InfoQ). Ce développement apporte de nouvelles actualités sur les cryptomonnaies pour les développeurs en intelligence artificielle et en apprentissage automatique.
ME AI Message, l'officiel PyTorch publie le runtime TRANSIT (TRANsparent Scale-In for multi-node Training), qui rend l'entraînement à grande échelle des LLM plus pratique grâce à la technologie de mémoire virtuelle unifiée. Ce runtime permet de réduire jusqu'à 50 % le nombre de GPU requis pour l'entraînement des modèles sans modifier le code d'entraînement PyTorch existant. Le lien pertinent est fourni par Hyungyo Kim, Ph.D. (Source : InFoQ)
Source:Afficher l'original
Clause de non-responsabilité : les informations sur cette page peuvent avoir été obtenues auprès de tiers et ne reflètent pas nécessairement les points de vue ou opinions de KuCoin. Ce contenu est fourni à titre informatif uniquement, sans aucune représentation ou garantie d’aucune sorte, et ne doit pas être interprété comme un conseil en investissement. KuCoin ne sera pas responsable des erreurs ou omissions, ni des résultats résultant de l’utilisation de ces informations. Les investissements dans les actifs numériques peuvent être risqués. Veuillez évaluer soigneusement les risques d’un produit et votre tolérance au risque en fonction de votre propre situation financière. Pour plus d’informations, veuillez consulter nos conditions d’utilisation et divulgation des risques.