Azure 上的 PyTorch

取得企業就緒的雲端中 PyTorch 體驗。

PyTorch 是開放原始碼深度學習架構，可加速從研發到生產的路徑。Microsoft 的資料科學家使用 PyTorch，作為開發可在 Microsoft 365、Bing、Xbox 等平台上實現新體驗模型的主要架構。Microsoft 是 PyTorch 生態系統的頂尖參與者，其最近對 PyTorch Profiler 之類貢獻良多。

Azure 上的 PyTorch – 搭配起來效果更好

已準備好用於生產環境

使用 Azure Machine Learning 內建的 PyTorch 環境，大規模地且以可靠的方式訓練和部署模型，以確保最新的 PyTorch 版本可透過適用於 PyTorch 的 Azure 容器完整支援。

加速效能

使用功能強大的 GPU 硬體、使用 ONNX Runtime 的生產等級軟體加速器，以及 Azure 中 DeepSpeed 最新的創新調整技術，來縮短產品上市的時間。

強化生態系統

透過 PyTorch 豐富的工具和功能生態系統 (包括 PyTorch Profiler) 來達成更多目標。

受到各種規模公司的信任

"Microsoft 的新企業級供應項目拉近了重大的缺口。在生產環境中提供 PyTorch 模型可能是一項挑戰。Microsoft 的直接參與讓我們自信地將新版 PyTorch 部署至 Azure。"

Jeremy Jancsary, Sr.，Nuance 的資深首席研究科學家

閱讀案例

"我會建議其他開發人員使用 Azure 環境。它方便使用、易於搭配開發，而且非常重要的是它遵循了 AI 和機器學習工作的最佳作法。"

Alexander Vaagan，Crayon 旗下的 Inmeta 資料科學家

閱讀案例

"在 Azure 上執行 PyTorch，提供我們建置體現化情報的最佳平台。我們的工程師可輕鬆以 PB 規模一次性執行所需的實驗。"

WPablo Castellanos Garcia，Wayve 的工程副總裁

閱讀案例

"有了 Azure AI 和 PyTorch，我們可將 AI 的焦點應用與新聞流程和財務情報相結合，進而產生了在市場中獨一無二，且對密碼貨幣投資者深具價值的解決方案。"

Zoiner Tejada，Solliance 的執行長與 Baseline 的財務長

閱讀案例

"我們在新架構中使用 Azure Machine Learning 和 PyTorch，透過可重複的流程更快地開發 AI 模型並將其投入生產環境中，使資料科學家可在內部部署和 Azure 中同時工作。"

Tom Chmielenski，Bentley 的資深首席 MLOps 工程師

閱讀案例

Microsoft 是 PyTorch 開放原始碼專案生態系統的積極參與者

PyTorch Profiler

PyTorch Profiler 是開放原始碼工具，可協助您理解解模型中不同 PyTorch 作業在硬體資源 (例如，時間及記憶體) 方面的耗用情況，並可協助您解決效能瓶頸。這可減少您模型的額外負荷，使模型執行更快速。

PyTorch 上的 ONNX Runtime

當深度學習模型變大時，縮短訓練時間便成為財務和環境議題。ONNX 執行階段會使用一行程式碼變更，加速 PyTorch 轉換器模型的大規模、分散式訓練。與 DeepSpeed 結合以進一步改善 PyTorch 的訓練速度。

Windows 上的 PyTorch

Microsoft 會維護 Windows 版的 PyTorch 組建，讓您的小組可以享有經過妥善測試與穩定的組建版本、簡單且可靠的安裝、快速入門和教學課程、高效能並支援更進階的功能，例如分散式的 GPU 訓練。

PyTorch 基金會

隨著 PyTorch 對 AI 研究與生產環境的重要性日益增加，Mark Zuckerberg 和 Linux 基金會共同宣佈 PyTorch 將過渡至 Linux 基金會，以支援社群的永續性成長，並為其在未來幾年的蓬勃發展提供一個基點。為了對 PyTorch 的未來強化做出貢獻，Microsoft 以理事會成員的身分加入了 PyTorch 基金會，以引導 AI/ML 的大眾化與共同作業。探索最新的 PyTorch 功能。

ONNX Runtime：一種適用於加速 PyTorch 模型推斷與訓練的執行階段，其支援 Windows、Mac、Linux、Android 及 iOS，並已針對各種硬體加速器進行最佳化。

DeepSpeed：訓練下一代大型模型的演算法程式庫，包括最先進的模型平行定型訓練演算法，以及分散式訓練的其他最佳化。

Hummingbird：可將傳統模型 (例如 Scikit-learn 或 LightGBM) 編譯成 PyTorch 張量計算的程式庫，藉以加快推斷的速度。

將 Azure 用於 PyTorch 開發的兩種方式

應用 Azure Machine Learning 加快工作流程的速度

使用適用於 PyTorch 的 Azure 容器輕鬆建置、訓練及部署 PyTorch 模型。它與 Azure Machine Learning 深度整合，以供實驗管理和完整的機器學習生命週期支援使用。Azure Machine Learning 不僅去除了端對端機器學習工作流程的繁重工作，還可以處理像是資料準備和實驗追蹤等例行的工作，可將生產時間從數星期縮短至數小時。

使用適用於 PyTorch 的 Azure 資料科學虛擬機器進行開發

適用於 PyTorch 的 Azure 資料科學虛擬機器隨附預先安裝且經驗證的最新 PyTorch 版本，以降低設定成本並加速創造價值的時間。套件包含各種最佳化功能 (例如 ONNX Runtime、DeepSpeed 和 PySpark)，以取得現成的無阻力開發體驗，以及可使用所有 Azure 硬體設定 (包括 GPU) 的能力。