PyTorch i Azure
Få en företagsklar PyTorch-upplevelse i molnet.
PyTorch är ett ramverk med öppen källkod för djupinlärning som ger en snabbare väg från forskning till produktion. Dataforskare på Microsoft använder PyTorch som primärt ramverk för att utveckla modeller som möjliggör nya funktioner i Microsoft 365, Bing, Xbox med mera. Microsoft är en viktig bidragsgivare till PyTorch-ekosystemet och har nyligen bidragit med exempelvis PyTorch Profiler.
PyTorch på Azure – bättre tillsammans
Produktionsklar
Träna och distribuera modeller tillförlitligt och i stor skala med hjälp av en inbyggd PyTorch-miljö i Azure Machine Learning för att säkerställa att den senaste PyTorch-versionen stöds fullt ut via Azure-container för PyTorch.
Snabbare prestanda
Få kortare tid till marknaden med kraftfull GPU-maskinvara, programaccelerator i produktionsklass med ONNX Runtime och de senaste skalningsteknikerna med DeepSpeed i Azure.
Förstärkt ekosystem
Få mer gjort med det omfattande PyTorch-ekosystemet med verktyg och funktioner, bland annat PyTorch Profiler.
Betrott av företag i alla storlekar
"Microsofts nya erbjudande på företagsnivå löser en viktig lucka. Det kan vara en utmaning att betjäna PyTorch-modeller i produktion. Med Microsofts direkta engagemang kan vi distribuera nya versioner av PyTorch till Azure med tillförsikt."
Jeremy Jancsary, Sr. Principal Research Scientist, Nuance
"Jag skulle rekommendera Azure-miljön till andra utvecklare. Det är användarvänligt, lätt att utveckla med, och mycket viktigt, det följer metodtips för AI- och maskininlärningsarbete."
Alexander Vaagan, Chief Data Scientist, Inmeta, en del av Crayon
"Att köra PyTorch på Azure ger oss den bästa plattformen för att bygga vår inbäddade intelligens. Det är enkelt för våra tekniker att köra de experiment de behöver på en gång i petabyteskala."
Pablo Castellanos Garcia, VP of Engineering, Wayve
"Med Azure AI och PyTorch kombinerade vi fokuserade program för AI med journalistiska processer och finansiell intelligens, vilket gav en lösning som är unik på marknaden och värdefull för kryptovalutas investerare."
Zoiner Tejada, VD för Solliance och CTO för Baseline
"Vi använder Azure Machine Learning och PyTorch i vårt nya ramverk för att utveckla och flytta AI-modeller till produktion snabbare, i en upprepningsbar process som gör att dataexperter kan arbeta både lokalt och i Azure."
Tom Chmielenski, Principal MLOps Engineer, Bentley
Microsoft deltar aktivt i ett ekosystem med PyTorch-projekt med öppen källkod
PyTorch Profiler
PyTorch Profiler är ett verktyg med öppen källkod som gör att du kan förstå förbrukningen av maskinvaruresurser, till exempel tid och minne, för olika PyTorch-åtgärder i modellen och lösa flaskhalsar för prestanda. Det gör att din modell körs snabbare med mindre omkostnader.
ONNX Runtime på PyTorch
Djupinlärningsmodellerna blir allt större och gör att en minskning av träningstiden blir både ett ekonomiskt och ett miljömässigt problem. ONNX Runtime påskyndar storskalig, distribuerad träning av PyTorch-transformatormodeller med ändring av en enda kodrad. Kombinera med DeepSpeed för att ytterligare förbättra träningshastigheten på PyTorch.
PyTorch i Windows
Microsoft underhåller PyTorch-versioner för Windows så att ditt team får grundligt testade och stabila versioner, enkel och tillförlitlig installation, snabbstarter och självstudier, höga prestanda och stöd för mer avancerade funktioner som distribuerad GPU-träning.
PyTorch Foundation
Med den ökande vikten av PyTorch för både AI-forskning och produktion meddelade Mark Linux Foundation och Linux Foundation gemensamt att PyTorch kommer att övergå till Linux Foundation för att stödja fortsatt tillväxt i communityn och tillhandahålla ett hem för att det ska blomstra i många år framöver. För att bidra till den framtida förbättringen av PyTorch har Microsoft gått med i PyTorch Foundation som medlem i den styrelse som ska leda demokratiseringen och samarbetet mellan AI/ML. Utforska de senaste PyTorch-funktionerna.
ONNX Runtime: En körmiljö för accelererad inferens och träning av PyTorch-modeller som stöder Windows, Mac, Linux, Android och iOS och är optimerad för en mängd olika maskinvaruacceleratorer.
DeepSpeed: Ett bibliotek med algoritmer för träning av nästa generations stora modeller, inklusive avancerade träningsalgoritmer (“model-parallel”) och andra optimeringar för distribuerad träning.
Hummingbird: Ett bibliotek som kompilerar traditionella modeller som scikit-learn och LightGBM i PyTorch Tensor Computation för snabbare inferens.
Två sätt att använda Azure för PyTorch-utveckling
Accelerera arbetsflödet med Azure Machine Learning
Skapa, träna och distribuera Enkelt PyTorch-modeller med Azure Container for PyTorch. Den är djupt integrerad med Azure Machine Learning för experimenthantering och fullständig livscykelsupport för maskininlärning. Azure Machine Learning eliminerar de tunga arbetsflödena vid omfattande maskininlärning och hanterar även rutinuppgifter som dataförberedelse och experimentspårning, vilket minskar tiden till produktion från veckor till timmar.
Utveckla med Azure Data Science Virtual Machine för PyTorch
Data Science Virtual Machines för PyTorch levereras med förinstallerad och validerad med den senaste PyTorch-versionen för att minska installationskostnaderna och påskynda tiden till värde. Paketen innehåller olika optimeringsfunktioner som ONNX Runtime, DeepSpeed och PySpark för att få smidig utvecklingsupplevelse direkt och möjligheten att arbeta med alla Azure-maskinvarukonfigurationer, inklusive GPU:er.
Lär dig grunderna i PyTorch
Lär dig grunderna i djupinlärning med PyTorch på Microsoft Learn. I den här nybörjarvänliga utbildningsvägen får du en introduktion till viktiga begrepp för att skapa maskininlärningsmodeller inom flera områden, till exempel tal, visuellt innehåll och bearbetning av naturligt språk.
Kom igång med PyTorch på AI-showen
Lär dig grunderna i PyTorch, inklusive hur du skapar och distribuerar en modell och hur du ansluter till den starka användarcommunityn.
Lär dig grunderna i PyTorch
Lär dig mer om PyTorch-begrepp och -moduler. Lär dig hur du läser in data, skapar djupa neurala nätverk och tränar och sparar dina modeller i den här snabbstartsguiden.
Accelerera ditt PyTorch-projekt i molnet med Azure
