Facebook анонсировала выход своей платформы искусственного интеллекта и машинного обучения PyTorch 1.0. История PyTorch началась более года назад с создания ИИ-группой Facebook библиотеки функций машинного обучения, написанной на языке Python. Особую популярность PyTorch получила для ускорения разработки приложений глубокого обучения, таких как сравнение фотографий, машинный перевод и распознавание голоса. Библиотека использовалась не только самой Facebook, но также Twitter, Salesforce, университетом Карнеги-Меллон и другими.
Упрощению взаимодействия между различными этапами машинного обучения способствует сочетание в версии PyTorch 1.0 модульных и ориентированных на разработку возможностей фреймворка Caffe2 и стандарта ONNX с нацеленной на исследования структурой библиотеки. Благодаря наличию данных функций в одном фреймворке пропадает необходимость переключаться между библиотеками, отмечает Facebook.
Финальная версия PyTorch (бета-версия вышла летом) содержит массу инструментов и средств интеграции, которые облегчат совместимость с облачными сервисами Google, Microsoft и Amazon. В частности, виртуальные машины Google Cloud для глубинного обучения получат готовые образы для PyTorch 1.0. Помимо этого Google приступила к сотрудничеству с Facebook, чтобы разработать для пользователей ИИ-платформы PyTorch ускорители Tensor Processing Unit (TPU). Сообщество разработало пакет с фреймворком PyTorch, который устанавливается при помощи двух команд. Также расширен пакет TensorRT, поддерживающий обслуживание моделей фреймовка.
Специалисты Google внедрили поддержку PyTorch в визуализатор TensorBoar, который позволяет отслеживать процессы обучения, и облачный сервис тензорных процессоров (Cloud TPU). В качестве прототипа инженеры соединили фреймворк с облаком при помощи компилятора XLA.
Сервис Microsoft Azure Machine Learning теперь позволяет разработчикам бесшовно переводить обучаемые модели PyTorch с локального сервера в масштабируемое облако Azure. Azure ML дает возможность применять различные комбинации гиперпараметров, рассчитывает время выполнения задач и представляет данные в виде графика.
Тем временем Amazon включила в платформу Amazon SageMaker c сконфигурированные среды для PyTorch, включающие автоматическую настройку моделей. Платформа позволяет создавать и развертывать модели машинного обучения любых масштабов.
Кроме того, проект поддержали ведущие производители чипов ARM, Nvidia, Qualcomm и Intel, которые используют фреймворк для взаимодействия с библиотекой ядра и отслеживания времени выполнения логического вывода, что в будущем приведет к созданию полноценной экосистемы ИИ.
По данным Research and Markets, только в промышленности рынок решений на базе искусственного интеллекта в
PyTorch — не единственная Open Source-инициатива Facebook. У нее уже есть открытое серверное решение под названием Open Compute Project (OCP) . Оно появилось благодаря техническому директору Facebook Фрэнку Фрэнковски. Именно он запустил инициативу, позволившую отраслевому сообществу не только познакомиться с проектом дата-центра Facebook в Орегоне, но и принять участие в дальнейшем развитии новой архитектуры. Стартовавший в 2011 г., OCP предполагает создание открытых стандартов и архитектур оборудования для построения энергоэффективных и экономичных ЦОДов.
