PyTorch 2.15 traz melhorias para IA em computadores Apple, AMD e NVIDIA

O PyTorch 2.15 chegou com alterações para quem cria e executa modelos de inteligência artificial em equipamentos Apple, AMD e NVIDIA. A atualização da biblioteca de código aberto também muda os requisitos de alguns pacotes e acrescenta ferramentas para diagnosticar falhas em treinos que usam várias placas gráficas.

Anunciada a 28 de outubro pela PyTorch Foundation, a nova versão reúne ferramentas usadas para construir, treinar e executar modelos de aprendizagem automática. O projeto apresenta melhorias para o processamento distribuído e para a execução em computadores pessoais e servidores.

Novidades para computadores Apple

Nos computadores com processadores Apple Silicon, a versão acrescenta operações com FP8, um formato que usa oito bits para representar determinados valores. Trabalhar com menos bits pode reduzir necessidades de memória e acelerar operações compatíveis, mas a precisão e o resultado dependem da tarefa.

A equipa também apresenta uma nova operação para agrupar cálculos e um percurso otimizado para a geração de respostas em modelos que usam vários conjuntos especializados de parâmetros, conhecidos como mixture of experts. Nas medições comunicadas pelo projeto, essa operação atingiu entre 1,32 e 1,34 vezes a taxa de geração anterior; o resultado é específico dos testes e não prevê a velocidade de todos os modelos.

Mais ferramentas para treinos em várias placas

Quando um modelo é treinado em várias placas gráficas, estas precisam de trocar dados. A versão 2.15 passa a usar por omissão uma implementação reescrita do mecanismo de comunicação NCCL para trabalhos que o utilizam. A equipa disponibiliza igualmente uma forma de voltar à implementação anterior.

Entre as ferramentas de diagnóstico está um registo que pode guardar informação quando uma operação distribuída fica bloqueada. O objetivo é ajudar os programadores a perceber o que aconteceu, em vez de terem de reproduzir uma falha que pode envolver muitas máquinas.

Compatibilidade também mudou

Para quem usa hardware AMD, o projeto anuncia pacotes para ROCm 10.0, além dos pacotes ROCm 7.14 introduzidos anteriormente. Também descreve alterações para hardware Intel e otimizações dirigidas a GPUs NVIDIA Blackwell. A disponibilidade de cada função depende da plataforma, dos controladores e dos pacotes instalados.

A atualização suporta Python 3.11 a 3.15. As notas da versão indicam que deixaram de ser publicados pacotes binários para Python 3.10; quem depende dessa versão deve verificar a compatibilidade antes de atualizar. Os pacotes distribuídos pelo PyPI passam a usar CUDA 13.2 por omissão, pelo que as dependências existentes também merecem atenção.

O anúncio e as notas técnicas descrevem funcionalidades e resultados comunicados pelos responsáveis pelo projeto. A atualização pode beneficiar tarefas concretas, mas não garante, por si só, que qualquer aplicação ou modelo passe a correr mais depressa.