PyTorch sur Azure
Bénéficiez d’une expérience PyTorch prête pour l’entreprise dans le cloud.
PyTorch est une infrastructure d’apprentissage profond open source qui accélère le passage 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—mieux ensemble
Prêt pour la production
Formez et déployez des modèles de manière fiable et à grande échelle à l’aide d’un environnement PyTorch intégré dans Azure Machine Learning pour vous assurer que la dernière version de PyTorch est entièrement prise en charge via Azure Container pour PyTorch.
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.
Écosystème renforcé
Gagnez en productivité avec l’écosystème PyTorch, riche d’outils et de fonctionnalités, dont PyTorch Profiler.
Approuvé par des organisations de toutes tailles
"La nouvelle offre de niveau entreprise de Microsoft corrige un écart important. Servir des modèles PyTorch en production peut être un défi. L’implication directe de Microsoft nous permet de déployer de nouvelles versions de PyTorch sur Azure en toute confiance."
Jeremy Jancsary Senior Principal Research Scientist, Nuance
"Je recommande l’environnement Azure à d’autres développeurs. Il est convivial, facile à développer et, surtout, il suit les meilleures pratiques en matière d’IA et de machine learning."
Alexander Vaagan, responsable Scientifique Données, Inmeta, qui fait partie de Crayon
"L’exécution de PyTorch sur Azure nous offre la meilleure plateforme pour créer notre intelligence intégrée. Nos ingénieurs peuvent facilement exécuter les expériences dont ils ont besoin, le tout en même temps, à l’échelle du pétaoctet."
Pablo Castellanos Garcia, Vice-président Ingénierie, Wayve
"Avec Azure AI et PyTorch, nous avons combiné des applications axées sur l’IA avec des processus et des renseignements financiers, ce qui a généré une solution unique sur le marché et précieuse pour les investisseurs en cryptomonnaie."
Zoiner Tejada, PDG de Solliance et directeur technique de Baseline
"Nous utilisons Azure Machine Learning et PyTorch dans notre nouvelle infrastructure pour développer et déplacer plus rapidement des modèles IA en production, dans un processus reproductible qui permet aux scientifiques des données de travailler localement et dans Azure."
Tom Chmielenski, ingénieur MLOps principal, 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 permet à votre modèle de s’exécuter plus rapidement avec moins de surcharge.
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.
PyTorch Foundation
Avec l’importance croissante de PyTorch pour la recherche et la production de l’IA, Mark Zuckerberg et Linux Foundation ont annoncé conjointement que PyTorch va migrer vers Linux Foundation pour soutenir la croissance continue de la communauté et lui fournir un lieu de croissance pour les années à venir. Pour contribuer à l’amélioration future de PyTorch, Microsoft a rejoint PyTorch Foundation en tant que membre du conseil d’administration pour diriger la démocratisation et la collaboration de l’IA/ML. explorez les dernières fonctionnalités de PyTorchExplorez les dernières fonctionnalités PyTorch.
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 à l’aide d’Azure Container pour PyTorch. Il est étroitement intégré à Azure Machine Learning pour la gestion des expériences et la prise en charge complète du cycle de vie du Machine Learning. 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.
Développer avec Azure Data Science Virtual Machine pour PyTorch
Les machines virtuelles de science des données pour PyTorch sont préinstallées et validées avec la dernière version de PyTorch pour réduire les coûts d’installation et accélérer le délai d’exécution. Les packages contiennent différentes fonctionnalités d’optimisation telles que ONNX Runtime, DeepSpeed et PySpark pour obtenir une expérience de développement fluide et la possibilité de travailler avec toutes les configurations matérielles Azure, y compris les GPU.
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.
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.
En savoir plus sur PyTorch sur Azure
Lire les blogs sur PyTorch
Nouveautés de PyTorch Profiler 1.9
Deux méthodes pour profiler des modèles PyTorch sur un serveur distant
Optimisation des performances de PyTorch : taille de lot avec PyTorch Profiler
Présentation de la prise en charge parallèle des données distribuées sur PyTorch Windows
Accélérez votre projet PyTorch dans le cloud avec Azure
