سخت افزار

اینتل و AMD برای بهینه‌سازی استنتاج هوش مصنوعی در x86 همکاری می‌کنند

شرکت‌های Intel و AMD تصمیم گرفته‌اند بهینه‌سازی‌های پردازنده مرکزی خود را برای فریم‌ورک PyTorch در یک کتابخانه واحد مشترک با نام oneDNN ادغام و منتشر کنند. شرکت‌های Intel و AMD تصمیم گرفته‌اند بهینه‌سازی‌های پردازنده مرکزی خود را برای فریم‌ورک PyTorch در یک کت…

2 دقیقه مطالعه
  • پشتیبانی شبکه
  • هوش مصنوعی
  • کتابخانه
  • oneDNN
  • می‌کند
  • AMD
  • Intel
  • توسعه
اینتل و AMD برای بهینه‌سازی استنتاج هوش مصنوعی در x86 همکاری می‌کنند

خلاصه تحلیلی خبر

شرکت‌های Intel و AMD تصمیم گرفته‌اند بهینه‌سازی‌های پردازنده مرکزی خود را برای فریم‌ورک PyTorch در یک کتابخانه واحد مشترک با نام oneDNN ادغام و منتشر کنند. شرکت‌های Intel و AMD تصمیم گرفته‌اند بهینه‌سازی‌های پردازنده مرکزی خود را برای فریم‌ورک PyTorch در یک کت…

موضوعات اصلی: پشتیبانی شبکه، هوش مصنوعی، کتابخانه، oneDNN، می‌کند، AMD

شرکت‌های Intel و AMD تصمیم گرفته‌اند بهینه‌سازی‌های پردازنده مرکزی خود را برای فریم‌ورک PyTorch در یک کتابخانه واحد مشترک با نام oneDNN ادغام و منتشر کنند.

شرکت‌های Intel و AMDتصمیم گرفته‌اند بهینه‌سازی‌های پردازنده مرکزی خود را برای فریم‌ورک PyTorch در یک کتابخانه واحد با نام oneDNN ادغام کنند. شرکت AMD پیش‌تر نسخه مستقلی از این کتابخانه را تحت عنوان ZenDNN توسعه می‌داد، اما اکنون آن را به پروژه متن‌باز oneDNN منتقل می‌کند که زیر نظر UXL Foundation و با هدایت اینتل اداره می‌شود. علاوه‌بر این، AMD به عنوان یکی از اعضای راهبردی به این بنیاد ملحق شده است تا در مسیر آینده آن نقش داشته باشد.

تصمیم مشترک کارگروه اکوسیستم پردازنده‌ها

این تصمیم بر اساس پیشنهاد کارگروهاکوسیستم x86گرفته شده است؛ گروه مشترکی که میان Intel و AMD فعالیت می‌کند. دو شرکت پیش از این نیز در پروژه‌های مختلفی با یکدیگر همکاری داشته‌اند. بخش پشتیبان oneDNN به طور ویژه برای تسریع پردازش استنتاج روی پردازنده‌های مرکزی طراحی شده و بهینه‌سازی لازم را برای جدیدترین تراشه‌های هر دو شرکت را در فریم‌ورک‌هایی مانندPyTorchفراهم می‌کند.

طرح گرافیکی از یک پردازنده‌ی مرکزی درخشان با نشان معماری x86 در مرکز و لوگوهای Intel و AMD در دو طرف آن روی مدار الکترونیکی.

افزایش چشمگیر کارایی مدل‌های هوش مصنوعی

بررسی عملکرد این کتابخانه نشان می‌دهد که استفاده از oneDNN بهبود چشمگیری در پردازش داده‌ها ایجاد می‌کند و کارایی اجرای مدل‌های هوش مصنوعی را روی سخت‌افزارهای سازگار افزایش می‌دهد. به‌نوشتهتامز هاردوراین کتابخانه به صورت خودکار ویژگی‌های سخت‌افزاری سیستم را در زمان اجرا شناسایی کرده و هسته‌های پردازشی بهینه‌سازی‌شده را تولید می‌کند. همچنین پشتیبانی از انواع داده با دقت پایین و دستورالعمل‌های تخصصی برای عملیات یادگیری ماشین از دیگر قابلیت‌های کلیدی آن محسوب می‌شود.

برای توسعه‌دهندگان نرم‌افزار، این یکپارچه‌سازی به معنای سادگی بیشتر در توسعه برنامه‌ها و اجرای روان‌تر PyTorch روی پلتفرم‌های مختلف سخت‌افزاری است؛ به گونه‌ای که تنها یک کتابخانه واحد تمام نیازهای بهینه‌سازی را پوشش می‌دهد. اگرچه تمرکز اصلی این توسعه روی معماری پردازنده‌های x86 قرار دارد، اما oneDNN ساختاری چندپلتفرمی دارد و روی سایر معماری‌ها نیز قابل اجراست. کتابخانه oneDNN در ابتدا توسط Intel توسعه پیدا کرد و بعدها به UXL Foundation واگذار شد که شرکت‌هایی نظیر Arm، کوالکام و گوگل در آن عضویت دارند.

نوشتهاینتل و AMD برای بهینه‌سازی استنتاج هوش مصنوعی در x86 همکاری می‌کننداولین بار درTechnoc. پدیدار شد.

برای ارزیابی پایداری، امنیت و نگهداری این زیرساخت، راهنمای پشتیبانی شبکه را نیز مطالعه کنید.