Passer la navigation

PyTorch sur Azure

Expérience PyTorch adaptée aux entreprises dans le cloud

PyTorch est une infrastructure de Deep Learning open source qui accélère le parcours de la recherche à la production. Chez Microsoft, les scientifiques des données utilisent PyTorch comme principal framework pour développer des modèles qui activent de nouvelles expériences dans Microsoft 365, Bing, Xbox et bien plus. Microsoft est l’un des principaux contributeurs à l’écosystème PyTorch, comme récemment avec PyTorch Profiler.

PyTorch sur Azure – meilleurs ensemble

Prêt pour la production

Effectuez l’apprentissage de modèles et déployez-les de manière fiable à grande échelle grâce à un environnement PyTorch intégré dans Azure Machine Learning, garantissant que l’ensemble de votre pile PyTorch est entièrement prise en charge via PyTorch Enterprise.

Performances accélérées

Réduisez le délai de mise sur le marché grâce à un puissant matériel GPU, à un accélérateur logiciel de classe production avec ONNX Runtime, et aux dernières techniques de mise à l’échelle innovantes avec DeepSpeed dans Azure.

Renforcer l’écosystème

Gagnez en productivité avec l’écosystème PyTorch, riche d’outils et de fonctionnalités, dont PyTorch Profiler. Microsoft contribue activement à l’environnement PyTorch pour améliorer l’expérience.

PyTorch Enterprise

Microsoft est un membre fondateur du groupe de support PyTorch Enterprise, qui crée une expérience de production fiable avec un support de classe Entreprise qui profite tant aux clients Azure qu’aux utilisateurs de la communauté PyTorch. Avec PyTorch Enterprise, vous pouvez avoir la certitude qu’Azure est l’endroit optimal pour exécuter PyTorch.

Lisez la documentation

Support à long terme

Microsoft fournira un support commercial pour le codebase PyTorch public. Microsoft assure un support à long terme de versions sélectionnées de PyTorch pendant une durée allant jusqu’à deux ans, ce qui permet une expérience de production stable sans investissement majeur en termes de mise à niveau.

Résolution des problèmes hiérarchisée

Les clients bénéficiant du Support Premier et Unified de Microsoft sont automatiquement éligibles à PyTorch Enterprise sans frais supplémentaires. L’équipe PyTorch dédiée dans Azure hiérarchisera, développera et fournira des correctifs aux clients en fonction des besoins.

Intégration à Azure

La dernière version de PyTorch sera incluse avec Azure Machine Learning, ainsi qu’avec d’autres modules complémentaires PyTorch, dont ONNX Runtime, pour une inférence plus rapide. Microsoft continuera à investir pour améliorer la vitesse de l’apprentissage et l’inférence de PyTorch.

Open source

PyTorch Enterprise profite non seulement aux clients Azure, mais aussi aux utilisateurs de la communauté PyTorch. Le code sélectionné qui s’aligne à PyTorch est répercuté dans la distribution PyTorch publique. Tous les membres de la communauté PyTorch peuvent donc l’utiliser.

Approuvé par des organisations de toutes tailles

"Other deep learning frameworks and cloud services are out there, but we think Azure, Azure Machine Learning, and PyTorch are the best choices because they enhance accuracy, efficiency, scalability, and speed of development."

Yuji Fukaya, Manager AI Consulting Group AI Transformation Center, Information Services International-Dentsu
ISID

"The new enterprise-level offering by Microsoft closes an important gap. Serving PyTorch models in production can be a challenge. The direct involvement of Microsoft lets us deploy new versions of PyTorch to Azure with confidence."

Jeremy Jancsary, Senior Principal Research Scientist, Nuance
Nuance

"Crayon has been using PyTorch on Azure and enjoying the smooth integration. With PyTorch Enterprise, we have more confidence to leverage the most cutting-edge features offered by newer PyTorch versions in our customers' projects."

Tailai Wen, Lead Data Scientist, Crayon
Crayon

"Running PyTorch on Azure gives us the best platform to build our embodied intelligence. It's easy for our engineers to run the experiments they need, all at once, at petabyte scale."

Pablo Castellanos Garcia, Vice-président Ingénierie, Wayve
Wayve

"PyTorch streamlined the cognitive overhead of the thousand small decisions that go into a sophisticated NLP solution, while Azure empowered us in turning good models into great insights deployed in a scalable, secure, and compliant environment."

Zoiner Tejada, PDG, Solliance
Solliance

"PyTorch on Azure offers versatile, reliable, and scalable tools, allowing our AI and data scientists to focus on the problem while our ML engineers can leverage Azure to build and maintain robust applications and services."

Marc-Andre Gardner, AI Scientist, Bentley Systems
Bentley

Microsoft contribue activement à un écosystème de projets open source PyTorch

PyTorch Profiler

PyTorch Profiler est un outil open source qui vous permet de comprendre la consommation des ressources matérielles, telles que les durées et la mémoire, des diverses opérations PyTorch dans votre modèle et de résoudre les goulots d’étranglement au niveau des performances. Cela rend votre modèle plus rapide et moins onéreux, avec une surcharge moindre.

Runtime ONNX sur PyTorch

À mesure que les modèles Deep Learning deviennent plus volumineux, la réduction du temps d’apprentissage devient un problème tant financier qu’environnemental. ONNX Runtime accélère l’apprentissage distribué à grande échelle de modèles de transformateur PyTorch avec une modification de code sur une seule ligne. Combinez avec DeepSpeed pour améliorer la vitesse d’apprentissage sur PyTorch.

PyTorch sur Windows

Microsoft gérant les builds PyTorch pour Windows, votre équipe bénéficie de builds soigneusement testées et stables, d’une installation simple et fiable, de démarrages rapides et de tutoriels, de hautes performances et d’une prise en charge de fonctionnalités plus avancées, telles que l’entraînement de GPU distribué.

;

ONNX Runtime : runtime permettant d’accélérer l’inférence et l’apprentissage des modèles PyTorch, prenant en charge Windows, Mac, Linux, Android et iOS, optimisé pour un vaste éventail d’accélérateurs matériels.

DeepSpeed : bibliothèque d’algorithmes permettant d’effectuer l’apprentissage de modèles volumineux de nouvelle génération, dont des algorithmes d’apprentissage avec parallélisme de modèles de pointe, et autres optimisations à des fins d’apprentissage distribué.

Hummingbird : bibliothèque compilant des modèles traditionnels tels que scikit-learn ou LightGBM dans le calcul de tenseur PyTorch pour accélérer l’inférence.

Deux façons d’utiliser Azure pour le développement de PyTorch

Accélérez votre workflow avec Azure Machine Learning

Créez, formez et déployez facilement des modèles PyTorch. Azure Machine Learning allège la charge de travail liée aux workflows Machine Learning de bout en bout tout en gérant aussi les tâches générales comme la préparation des données et le suivi des expériences. Le temps de production passe ainsi de plusieurs semaines à quelques heures.

Développez avec des instances préconfigurées d’Azure Data Science Virtual Machines

PyTorch est installé sur Data Science Virtual Machine, les pilotes GPU nécessaires et tout un ensemble d’outils de science des données. Profitez d’une expérience fluide dès le départ et de la possibilité d’utiliser toutes les configurations matérielles, y compris des GPU.

Visionnez l’annonce PyTorch Enterprise sur Azure lors du Microsoft Build 2021

Apprenez-en davantage sur la nouvelle collaboration avec Facebook, le programme de support PyTorch Enterprise. Microsoft lance PyTorch Enterprise sur Azure pour fournir un support à long terme, une résolution des problèmes par ordre de priorité et l’intégration aux solutions Azure.

Visionner la vidéo

Regardez une vidéo sur PyTorch Enterprise sur Azure pour les chefs de projet

Explorez plus en profondeur PyTorch Enterprise sur Azure avec Alon Bochman, responsable de programme et Seth Juarez, Cloud Advocate.

Visionner la vidéo

Découvrez les notions de base de PyTorch

Découvrez les notions de base du Deep Learning avec PyTorch sur Microsoft Learn. Ce parcours d’apprentissage convivial présente des concepts clés pour la création de modèles Machine Learning dans plusieurs domaines, notamment la reconnaissance vocale, la vision et le traitement en langage naturel.

Commencer le parcours d’apprentissage

Prise en main de PyTorch sur l’AI Show

Découvrez les bases de PyTorch, notamment comment créer et déployer un modèle, et vous rapprocher de la puissante communauté d’utilisateurs.

Découvrez les bases de PyTorch

Familiarisez-vous avec les concepts et modules PyTorch. Ce guide de démarrage rapide explique comment charger des données, créer des réseaux neuronaux profonds, effectuer l’apprentissage de vos modèles et les enregistrer.

Visionner la vidéo

;

PyTorch, le logo PyTorch et toutes les marques associées sont des marques de Facebook, Inc.

Accélérez votre projet PyTorch dans le cloud avec Azure