知名的深度學習開發框架PyTorch的PyTorch Edge團隊日前(10/17)宣布推出ExecuTorch解決方案,此方案可為行動及邊緣設備提供設備端推論功能(on-device inference),目前已獲得Arm、Apple 和 Qualcomm 創新中心等大廠的支持。
隨著Edge AI的應用擴展,邊緣設備也被要求能實現部分AI的功能,不論是開源社群或廠商,雖持續有相關工具在AI生態系統中被提出,但卻有各行其是的碎片化(fragmentation)問題。PyTorch Edge指出,ExecuTorch正是針對此問題而做出的努力成果,它能為第三方夥伴提供無縫整合,以加速專用硬體上的機器學習(ML)模型推論功能的優化。
ExecuTorch針對PyTorch生態系中的模型提供更緊湊的runtime、輕量化的操作註冊表(operator registry),以及在邊緣裝置上執行PyTorch程序的簡化路徑,這些設備涵蓋行動電話及其合作夥伴建構的嵌入式硬體。此外,ExecuTorch還提供SDK及Toolchain,讓ML開發者能夠在PyTorch的工作流程中實現從模型分析、訓練、除錯到委派任務的全部開發需求。
PyTorch Edge團隊表示,ExecuTorch為ML開發者提供了以下好處:
1. 便攜性:從高階行動電話到高度受限的嵌入式系統和微控制器的運算平台,它都能相容。
2. 生產力:開發人員能夠使用相同的Toolchain和 SDK,從 PyTorch 模型創作和轉換到調試和部署到各種平台,從而提高生產力。
3. 效能:由於輕量級運行時間以及利用完整硬體功能(包括通用 CPU 和專用微處理器(例如 NPU 和 DSP))的能力,為最終用戶提供無縫和高效能的體驗。
PyTorch Edge社群已創建了廣泛的文件,提供有關 ExecuTorch 架構、其高級組件、在 ExecuTorch 上運行的範例 ML 模型,以及在各種硬體設備上導出和運行模型的端到端教程等更多資訊,了解有關 PyTorch Edge 和 ExecuTorch 的更多資訊。
(責任編輯:歐敏銓;資料來源)
- 想加速RAG開發?你需認識LLamaIndex框架 - 2024/11/21
- AI+無人機守護海域遊憩安全 台南市發表「智慧海灘」成果 - 2024/11/14
- 【多模態時代】LLaVA模型的重要性 - 2024/11/11