همکاری دو عمارتیکنالوجی بر پردازنده‌های x86
اینتل و شرکت آمریکایی AMD روی راه‌حلی کار می‌کنند که اجرای مدل‌های یادگیری عمیق بر روی پردازنده‌های x86 را ساده‌تر کند.
هدف اصلی: یکپارچه‌سازی کتابخانه‌های بهینه‌ی‌سازی
اینتل ابزار oneDNN خود را با ZenDNN ساخته شده توسط AMD هماهنگ کرده و در قالب یک رابط برنامه‌نویسی واحد قرار می‌دهد.
چگونه این همکاری برای توسعه‌دهندگان مفید است
با یک رابط کاربردی، توسعه‌دهندگان می‌توانند مدل‌های خود را بر روی سخت‌افزارهای هر دو شرکت اجرا کرده و از بهینه‌سازی‌های ماتریسی بهره ببرند.
- کاهش پیچیدگی نرم‌افزاری در فریم‌ورک‌های مثل PyTorch.
- بهبود کارایی مدل‌های هوش مصنوعی بر روی پردازنده x86.
- کاهش زمان توسعه و نگهداری کدها.
پرسش‌های پرتکرار
کدام کتابخانه‌های بهینه‌سازی در این همکاری نقش دارند؟
کتابخانه <code>oneDNN</code> شرکت اینتل و <code>ZenDNN</code> شرکت AMD.
این همکاری بر کدام فریم‌ورک یادگیری ماشین تأثیر دارد؟
به‌خصوص فریم‌ورک <code>PyTorch</code> از این یکپارچه‌سازی بهره می‌برد.
