Hugging Face-ის აპარატურის პარტნიორის პროგრამა Graphcore-ის სისტემების მომხმარებელ დეველოპერებს საშუალებას მისცემს, მინიმალური კოდირების სირთულით, სამრეწველო მასშტაბით განათავსონ უახლესი Transformer მოდელები, რომლებიც ოპტიმიზებულია Graphcore-ის ინტელექტის გადამამუშავებელი ერთეულისთვის (IPU). IPU-ები არის პროცესორები, რომლებიც ამუშავებენ Graphcore-ის IPU-POD მონაცემთა ცენტრის გამოთვლით სისტემებს. ამ ახალი ტიპის პროცესორი შექმნილია AI-სა და მანქანური სწავლების ძალიან სპეციფიკური გამოთვლითი მოთხოვნების დასაკმაყოფილებლად. ისეთი მახასიათებლები, როგორიცაა წვრილმარცვლოვანი პარალელიზმი, დაბალი სიზუსტის არითმეტიკა და იშვიათი მონაცემების მართვის უნარი, ჩაშენებულია ჩვენს სილიკონში. GPU-ების მსგავსი SIMD/SIMT არქიტექტურის ნაცვლად, Graphcore-ის IPU იყენებს მასიურად პარალელურ, MIMD არქიტექტურას, ულტრა-მაღალი გამტარუნარიანობის მეხსიერებით, რომელიც პროცესორის ბირთვებთან, სილიკონის კრისტალზეა განთავსებული. ეს დიზაინი უზრუნველყოფს მაღალ წარმადობასა და ეფექტურობის ახალ დონეებს, როგორც დღევანდელი ყველაზე პოპულარული მოდელების (მაგალითად, BERT და EfficientNet) გაშვებისას, ისე შემდეგი თაობის AI აპლიკაციების შესწავლისას. პროგრამულ უზრუნველყოფას სასიცოცხლო როლი აქვს IPU-ს შესაძლებლობების სრულად გამოსავლენად. ჩვენი Poplar SDK პროცესორთან ერთად შეიქმნა Graphcore-ის დაარსების დღიდან. დღეს ის სრულად ინტეგრირდება მანქანური სწავლების სტანდარტულ ფრეიმვორკებთან, მათ შორის PyTorch-სა და TensorFlow-სთან, ასევე ორკესტრირებისა და განლაგების ინსტრუმენტებთან, როგორიცაა Docker და Kubernetes. Poplar-ის ამ ფართოდ გამოყენებად, მესამე მხარის სისტემებთან თავსებადობა დეველოპერებს საშუალებას აძლევს, ადვილად გადაიტანონ თავიანთი მოდელები სხვა გამოთვლითი პლატფორმებიდან და დაიწყონ IPU-ს მოწინავე AI შესაძლებლობების გამოყენება. Transformer-ებმა მთლიანად შეცვალეს (გამიზნული სიტყვათა თამაშით) AI-ს სფერო. ისეთი მოდელები, როგორიცაა BERT, ფართოდ გამოიყენება Graphcore-ის მომხმარებლების მიერ აპლიკაციების ფართო სპექტრში, ბუნებრივი ენის დამუშავებასა (NLP) და მის ფარგლებს გარეთ. ამ მრავალმხრივ მოდელებს შეუძლიათ შეასრულონ ფუნქციების ამოღება, ტექსტის გენერაცია, სენტიმენტების ანალიზი, თარგმანი და მრავალი სხვა ფუნქცია. უკვე, Hugging Face მასპინძლობს ასობით Transformer-ს, ფრანგულენოვანი CamemBERT-დან დაწყებული ViT-მდე, რომელიც NLP-ში მიღებულ გაკვეთილებს კომპიუტერულ ხედვაში იყენებს. Transformer-ების ბიბლიოთეკა თვეში საშუალოდ 2 მილიონჯერ იტვირთება და მოთხოვნა იზრდება. 50 000-ზე მეტი დეველოპერის მომხმარებელთა ბაზით – Hugging Face-მა ნახა ღია კოდის პროექტის ისტორიაში ყველაზე სწრაფი ათვისება. ახლა, თავისი აპარატურის პარტნიორის პროგრამით, Hugging Face აკავშირებს Transformer-ის საბოლოო ინსტრუმენტთა ნაკრებს დღევანდელ ყველაზე მოწინავე AI აპარატურასთან. Optimum-ის, ახალი ღია კოდის ბიბლიოთეკისა და ინსტრუმენტთა ნაკრების გამოყენებით, დეველოპერებს შეეძლებათ წვდომა ჰქონდეთ Hugging Face-ის მიერ სერტიფიცირებულ, აპარატურისთვის ოპტიმიზებულ მოდელებზე. ესენი ვითარდება Graphcore-სა და Hugging Face-ს შორის თანამშრომლობით, ამ წლის ბოლოს Optimum-ზე პირველი IPU-სთვის ოპტიმიზებული მოდელების გამოჩენით. საბოლოო ჯამში, ისინი მოიცავს აპლიკაციების ფართო სპექტრს, ხედვიდან და მეტყველებიდან დაწყებული, თარგმანითა და ტექსტის გენერაციით დამთავრებული. Hugging Face-ის აღმასრულებელმა დირექტორმა, კლემენტ დელანგმა, განაცხადა: „ყველა დეველოპერს სურს წვდომა უახლეს და საუკეთესო აპარატურაზე – როგორიცაა Graphcore IPU, მაგრამ ყოველთვის ჩნდება კითხვა, მოუწევთ თუ არა მათ ახალი კოდის ან პროცესების სწავლა. Optimum-ისა და Hugging Face-ის აპარატურის პროგრამის წყალობით, ეს პრობლემა აღარ არის. ეს არსებითად „ჩართე და იმუშავე“ პრინციპია.“ Hugging Face-თან პარტნიორობის გამოცხადებამდე, ჩვენ დემონსტრირებული გვქონდა IPU-ს ძალა, დაეჩქარებინა უახლესი Transformer მოდელები Hugging Face BERT-ის სპეციალური, Graphcore-ისთვის ოპტიმიზებული იმპლემენტაციით Pytorch-ის გამოყენებით. ამ მაგალითის სრული დეტალები შეგიძლიათ იხილოთ Graphcore-ის ბლოგზე: „BERT-Large training on the IPU explained“. BERT-ის გაშვების დრამატული საორიენტაციო შედეგები Graphcore-ის სისტემაზე, GPU-ზე დაფუძნებულ შესადარებელ სისტემასთან შედარებით, ნამდვილად მაცდური პერსპექტივაა ნებისმიერისთვის, ვინც ამჟამად პოპულარულ NLP მოდელს IPU-ს გარდა სხვა რამეზე ამუშავებს. ამ ტიპის აჩქარება შეიძლება თამაშის შემცვლელი იყოს მანქანური სწავლების მკვლევრებისა და ინჟინრებისთვის, რაც მათ დაუბრუნებს ძვირფას საათებს სწავლების დროიდან და საშუალებას მისცემს მათ ბევრად მეტი იტერაციის ჩატარებას ახალი მოდელების შემუშავებისას. ახლა Graphcore-ის მომხმარებლებს შეეძლებათ ასეთი წარმადობის უპირატესობების განბლოკვა Hugging Face პლატფორმის მეშვეობით, მისი ელეგანტური სიმარტივითა და მოდელების ზედმიწევნითი დიაპაზონით. ერთად, Hugging Face და Graphcore ეხმარებიან კიდევ უფრო მეტ ადამიანს Transformer-ების ძალაზე წვდომაში და AI რევოლუციის დაჩქარებაში. ეწვიეთ Hugging Face-ის აპარატურის პარტნიორის პორტალს, რათა გაიგოთ მეტი Graphcore IPU სისტემების შესახებ და როგორ მიიღოთ მათზე წვდომა.