დღეს, მოხარულნი ვართ განვაცხადოთ, რომ AMD ოფიციალურად შეუერთდა ჩვენს აპარატურის პარტნიორთა პროგრამას. ჩვენმა აღმასრულებელმა დირექტორმა, კლემენტ დელანგმა, სან-ფრანცისკოში AMD-ის მონაცემთა ცენტრისა და ხელოვნური ინტელექტის ტექნოლოგიების პრემიერაზე გამართულ სიტყვაში წარადგინა ეს ამაღელვებელი ახალი თანამშრომლობა. AMD და Hugging Face ერთად იმუშავებენ, რათა უზრუნველყონ უახლესი ტრანსფორმატორული მოდელების წარმადობა AMD-ის ცენტრალურ პროცესორებსა (CPUs) და გრაფიკულ პროცესორებზე (GPUs). ეს პარტნიორობა შესანიშნავი სიახლეა Hugging Face-ის მთელი საზოგადოებისთვის, რომელიც მალე ისარგებლებს AMD-ის უახლესი პლატფორმებით მოდელების წვრთნისა და ინფერენციისთვის. ღრმა სწავლის აპარატურის არჩევანი წლების განმავლობაში შეზღუდული იყო, ფასები და მიწოდება კი მზარდ შეშფოთებას იწვევს. ეს ახალი პარტნიორობა არა მხოლოდ კონკურენციას გაუწევს არსებულ ბაზარს და დაეხმარება ბაზრის დინამიკის შემსუბუქებაში, არამედ დააწესებს ხარჯისა და წარმადობის ახალ სტანდარტებსაც. GPU-ების მხრივ, AMD და Hugging Face პირველ რიგში ითანამშრომლებენ საწარმოს დონის Instinct MI2xx და MI3xx ოჯახებზე, შემდეგ კი სამომხმარებლო დონის Radeon Navi3x ოჯახზე. საწყისი ტესტირების შედეგად, AMD-მ ცოტა ხნის წინ განაცხადა, რომ MI250-ზე BERT-Large 1.2-ჯერ უფრო სწრაფად წვრთნის და GPT2-Large 1.4-ჯერ უფრო სწრაფად, ვიდრე მისი პირდაპირი კონკურენტი. CPU-ების მხრივ, ორი კომპანია იმუშავებს ინფერენციის ოპტიმიზაციაზე როგორც სამომხმარებლო Ryzen, ასევე სერვერულ EPYC პროცესორებზე. როგორც არაერთ წინა პოსტში იყო განხილული, CPU-ები შეიძლება იყოს შესანიშნავი ვარიანტი ტრანსფორმატორული მოდელების ინფერენციისთვის, განსაკუთრებით მოდელის შეკუმშვის ტექნიკებთან, როგორიცაა კვანტიზაცია. და ბოლოს, თანამშრომლობა მოიცავს Alveo V70 AI აქსელერატორსაც, რომელსაც შეუძლია წარმოუდგენელი წარმადობის უზრუნველყოფა ენერგიის დაბალი მოხმარებით. ჩვენ ვაპირებთ მხარი დავუჭიროთ უახლეს ტრანსფორმატორულ არქიტექტურებს ბუნებრივი ენის დამუშავების, კომპიუტერული ხედვისა და მეტყველებისთვის, როგორიცაა BERT, DistilBERT, ROBERTA, Vision Transformer, CLIP და Wav2Vec2. რა თქმა უნდა, ხელმისაწვდომი იქნება გენერაციული AI მოდელებიც (მაგალითად, GPT2, GPT-NeoX, T5, OPT, LLaMA), მათ შორის ჩვენი საკუთარი BLOOM და StarCoder მოდელები. ასევე, მხარდაჭერილი იქნება უფრო ტრადიციული კომპიუტერული ხედვის მოდელები, როგორიცაა ResNet და ResNext, და ღრმა სწავლის სარეკომენდაციო მოდელები, რაც ჩვენთვის სიახლეა. ჩვენ ყველანაირად ვეცდებით, რომ ეს მოდელები შევამოწმოთ და ვალიდირება ჩავუტაროთ PyTorch, TensorFlow და ONNX Runtime-ისთვის ზემოაღნიშნულ პლატფორმებზე. გთხოვთ გაითვალისწინოთ, რომ ყველა მოდელი შესაძლოა არ იყოს ხელმისაწვდომი წვრთნისა და ინფერენციისთვის ყველა ფრეიმვორკზე ან ყველა აპარატურულ პლატფორმაზე. ჩვენი თავდაპირველი ფოკუსი იქნება იმ მოდელების გამართული მუშაობის უზრუნველყოფა AMD პლატფორმებზე, რომლებიც ყველაზე მნიშვნელოვანია ჩვენი საზოგადოებისთვის. ჩვენ მჭიდროდ ვითანამშრომლებთ AMD-ის საინჟინრო გუნდთან, რათა ოპტიმიზაცია გავუკეთოთ საკვანძო მოდელებს და უზრუნველვყოთ ოპტიმალური წარმადობა AMD-ის უახლესი აპარატურული და პროგრამული ფუნქციების წყალობით. ჩვენ შეუფერხებლად მოვახდენთ AMD ROCm SDK-ის ინტეგრაციას ჩვენს ღია კოდის ბიბლიოთეკებში, დაწყებული transformers ბიბლიოთეკით. ამ პროცესში, უდავოდ გამოვავლენთ შემდგომი ოპტიმიზაციის შესაძლებლობებს მოდელების წვრთნისა და ინფერენციისთვის და მჭიდროდ ვითანამშრომლებთ AMD-სთან, რათა განვსაზღვროთ, სად არის საუკეთესო ინვესტირება ამ პარტნიორობის ფარგლებში. ჩვენ ველით, რომ ეს ნამუშევარი გამოიწვევს ახალი Optimum ბიბლიოთეკის შექმნას, რომელიც მიეძღვნება AMD პლატფორმებს, რათა Hugging Face-ის მომხმარებლებმა შეძლონ მათი გამოყენება კოდის მინიმალური ცვლილებებით, ასეთის არსებობის შემთხვევაში. აღფრთოვანებულნი ვართ, რომ ვითანამშრომლებთ მსოფლიო დონის აპარატურულ კომპანიასთან, როგორიცაა AMD. ღია კოდი ნიშნავს თავისუფლებას, შექმნა მრავალფეროვანი პროგრამული და აპარატურული გადაწყვეტილებების გამოყენებით. ამ პარტნიორობის წყალობით, Hugging Face-ის მომხმარებლებს მალე ექნებათ ახალი აპარატურული პლატფორმები მოდელების წვრთნისა და ინფერენციისთვის, შესანიშნავი ხარჯისა და წარმადობის უპირატესობებით. ამასობაში, თავისუფლად შეგიძლიათ ეწვიოთ AMD-ის გვერდს Hugging Face-ის ჰაბზე. თვალყური ადევნეთ სიახლეებს!