PyTorch na platformie Azure
Uzyskaj gotowe do użycia w przedsiębiorstwie środowisko PyTorch w chmurze.
PyTorch to platforma uczenia głębokiego typu open source, która przyśpiesza przebieg procesu od badań do produkcji. Analitycy danych w firmie Microsoft używają platformy PyTorch jako podstawowej struktury do opracowywania modeli, które umożliwiają dostarczanie nowych środowisk w usługach Microsoft 365, Bing, Xbox i innych. Firma Microsoft jest głównym współautorem ekosystemu PyTorch, który ostatnio został wzbogacony o narzędzie PyTorch Profiler.
Rozwiązanie PyTorch na platformie Azure — lepsze wspólne działanie
Gotowe do zastosowań produkcyjnych
Niezawodnie i na dużą skalę trenuj i wdrażaj modele przy użyciu wbudowanego środowiska PyTorch w usłudze Azure Machine Learning, aby zapewnić pełną obsługę najnowszej wersji usługi PyTorch za pośrednictwem usługi Kontener Azure dla PyTorch.
Zwiększona wydajność
Skróć czas wprowadzania produktu na rynek dzięki wydajnemu procesorowi GPU, akceleratorowi sprzętowemu klasy korporacyjnej ze środowiskiem uruchomieniowym ONNX oraz najnowszym innowacyjnym technikom skalowania z biblioteką DeepSpeed na platformie Azure.
Wzmocniony ekosystem
Osiągnij więcej dzięki rozbudowanemu ekosystemowi narzędzi i funkcji platformy PyTorch, obejmującemu narzędzie PyTorch Profiler.
Zdobyte zaufanie firm każdej wielkości
"Nowa oferta na poziomie przedsiębiorstwa firmy Microsoft rozwiązuje ważną lukę. Obsługa modeli PyTorch w środowisku produkcyjnym może być wyzwaniem. Bezpośrednie zaangażowanie firmy Microsoft pozwala nam bez obaw wdrażać nowe wersje usługi PyTorch na platformie Azure."
Jeremy Jancsary, Sr. Starszy główny analityk ds. badań, Nuance
"Zalecam środowisko platformy Azure innym deweloperom. Jest przyjazne dla użytkownika, łatwe w opracowywaniu i co bardzo ważne, jest zgodne z najlepszymi rozwiązaniami dotyczącymi sztucznej inteligencji i uczenia maszynowego."
Cortan Vaagan, główny analityk danych, Inmeta, część Crayon
"Uruchamianie usługi PyTorch na platformie Azure zapewnia nam najlepszą platformę do tworzenia wbudowanych analiz. Nasi inżynierowie mogą łatwo uruchamiać jednocześnie eksperymenty, których potrzebują, w skali petabajtów."
Pablo Castellanos Garcia, wiceprezes ds. inżynierii, Wayve
"Dzięki usługom Azure AI i PyTorch połączyliśmy ukierunkowane zastosowania sztucznej inteligencji z procesami dziennikarskimi i analizą finansową, zapewniając rozwiązanie, które jest unikatowe na rynku i cenne dla inwestorów kryptowalut."
Zoiner Tejada, dyrektor generalny firmy Solliance i dyrektor ds. Linii bazowej
"Korzystamy z usług Azure Machine Learning i PyTorch w naszej nowej strukturze, aby szybciej opracowywać i przenosić modele sztucznej inteligencji do produkcji w powtarzalnym procesie, który umożliwia analitykom danych pracę zarówno lokalnie, jak i na platformie Azure."
Tom Chmielenski, główny inżynier MLOps, Bentley
Firma Microsoft jest aktywnym współautorem ekosystemu projektów typu open source platformy PyTorch
PyTorch Profiler
PyTorch Profiler to narzędzie typu open source, które ułatwia analizę użytkowania zasobów sprzętowych (takich jak czas i pamięć) przez różne operacje platformy PyTorch w modelu, a także pomaga usuwać wąskie gardła wydajności. Dzięki temu model jest wykonywany szybciej z mniejszym obciążeniem.
Środowisko uruchomieniowe ONNX na platformie PyTorch
Modele uczenia głębokiego są coraz większe, dlatego skrócenie czasu trenowania stało się problemem zarówno z punktu widzenia finansowego, jak i środowiskowego. Środowisko uruchomieniowe ONNX przyspiesza rozproszone trenowanie modeli transformatorów PyTorch na dużą skalę za pomocą jednowierszowej zmiany kodu. Połączenie z biblioteką DeepSpeed jeszcze bardziej zwiększa szybkość trenowania na platformie PyTorch.
Platforma PyTorch w systemie Windows
Firma Microsoft utrzymuje kompilacje platformy PyTorch dla systemu Windows, dzięki czemu Twój zespół może korzystać z dobrze przetestowanych i stabilnych kompilacji, prostej i niezawodnej instalacji, przewodników Szybki start i samouczków oraz wysokiej wydajności i obsługi bardziej zaawansowanych funkcji, takich jak rozproszone trenowanie przy użyciu procesorów GPU.
PyTorch Foundation
Ze względu na rosnącą wagę platformy PyTorch dla badań nad sztuczną inteligencją i produkcji Mark Linux Foundation wspólnie ogłosiły, że firma PyTorch przejdzie na platformę Linux Foundation, aby wspierać ciągły rozwój społeczności i zapewnić jej rozwój przez wiele lat. Aby przyczynić się do przyszłego ulepszenia platformy PyTorch, firma Microsoft dołączyła do PyTorch Foundation jako członek zarządu, aby prowadzić demokratyzację i współpracę w zakresie sztucznej inteligencji/uczenia maszynowego. eksploruj najnowsze możliwości PyTorch.
Środowisko uruchomieniowe ONNX: Środowisko uruchomieniowe do przyspieszonego wnioskowania i trenowania modeli platformy PyTorch, które obsługuje systemy Windows, Mac, Linux, Android oraz iOS i jest zoptymalizowane pod kątem różnych akceleratorów sprzętowych.
DeepSpeed: Biblioteka algorytmów do trenowania dużych modeli nowej generacji, w tym najnowocześniejsze algorytmy trenowania równoległego modeli i inne optymalizacje trenowania rozproszonego.
Hummingbird: Biblioteka, która kompiluje tradycyjne modele, takie jak Scikit-Learn lub LightGBM, na obliczenia tensorów platformy PyTorch w celu szybszego wnioskowania.
Dwie metody tworzenia zawartości za pomocą rozwiązania PyTorch na platformie Azure
Przyspiesz przepływy pracy dzięki usłudze Azure Machine Learning
Łatwo twórz, trenuj i wdrażaj modele PyTorch przy użyciu usługi Kontener Azure dla PyTorch. Jest ona ściśle zintegrowana z usługą Azure Machine Learning na potrzeby zarządzania eksperymentami i pełnej obsługi cyklu życia uczenia maszynowego. Usługa Azure Machine Learning zmniejsza obciążenie związane z pełnymi przepływami pracy uczenia maszynowego, a także bierze na siebie zadania porządkowe, takie jak przygotowywanie danych i śledzenie eksperymentów, co skraca czas wprowadzenia do środowiska produkcyjnego z kilku tygodni do kilku godzin.
Programowanie za pomocą maszyny Azure Data Science Virtual Machine dla PyTorch
Usługa Data Science Virtual Machines dla PyTorch jest wstępnie zainstalowana i zweryfikowana przy użyciu najnowszej wersji PyTorch, aby zmniejszyć koszty konfiguracji i skrócić czas uzyskiwania wartości. Pakiety zawierają różne funkcje optymalizacji, takie jak ONNX Runtime, DeepSpeed i PySpark, aby uzyskać bezproblemowe środowisko programistyczne i możliwość pracy ze wszystkimi konfiguracjami sprzętu platformy Azure, w tym procesorami GPU.
Poznaj podstawy platformy PyTorch
Poznaj podstawy uczenia głębokiego przy użyciu platformy PyTorch w witrynie Microsoft Learn. Ta przyjazna dla początkujących ścieżka szkoleniowa zawiera wprowadzenie do kluczowych pojęć związanych z tworzeniem modeli uczenia maszynowego w wielu dziedzinach, takich jak przetwarzanie mowy, obrazów i języka naturalnego.
Wprowadzenie do platformy PyTorch w programie AI Show
Poznaj podstawy platformy PyTorch, w tym sposób tworzenia i wdrażania modelu oraz nawiązywania połączenia z silną społecznością użytkowników.
Poznaj podstawy platformy PyTorch
Poznaj pojęcia i moduły platformy PyTorch. Dowiedz się z tego przewodnika Szybki start, jak ładować dane, tworzyć głębokie sieci neuronowe oraz trenować i zapisywać modele.
Dowiedz się więcej o rozwiązaniu PyTorch na platformie Azure
Przeczytaj blogi dotyczące PyTorch
Co nowego w narzędziu PyTorch Profiler 1.9?
Dwa sposoby profilowania modeli platformy PyTorch na serwerze zdalnym
Optymalizowanie wydajności platformy PyTorch: rozmiar partii przy użyciu narzędzia PyTorch Profiler
Optymalizowanie wydajności modeli przy użyciu narzędzia TorchServe
Szybsza obsługa projektów PyTorch w chmurze dzięki platformie Azure
