PyTorch.
Entorno de cálculo tensorial y aprendizaje automático con ejecución inmediata, compilación y entrenamiento distribuido.
Documentación consultada el . Las capacidades y requisitos pueden cambiar entre versiones.
Dónde encaja
Desarrollar y medir modelos manteniendo separadas la lógica del modelo, la precisión numérica, el dispositivo y la estrategia de ejecución.
Requisitos e integración
La combinación de versión de PyTorch, controlador, dispositivo y bibliotecas determina la compatibilidad. Revisa el backend concreto antes de extrapolar un resultado de otra plataforma.
Límites que condicionan la decisión
Una mejora de compilación o un resultado en GPU no acredita la misma ganancia en otro modelo o dispositivo. Separa tiempo de compilación, calentamiento y ejecución sostenida.
Decisiones de uso
- Cuándo compilar
- Compara la ejecución inmediata con torch.compile en una carga representativa, incluyendo arranque en frío y recompilaciones.
- Qué medir
- Examina operadores, memoria y cortes del grafo con el perfilador antes de atribuir el cuello de botella al modelo.
En vídeo, desde la fuente
Selección de fuentes oficiales y autores técnicos para profundizar. YouTube se conecta solo cuando pulsas «Cargar vídeo»; no se reproduce automáticamente.
CUTLASS backend for Inductor: PyTorch Compiler Series
Michael Lazos explica la integración de primitivas GEMM, el autotuning y la fusión de epílogos en el compilador de PyTorch.
- Antes de verlo
- Trabajar con tensores, torch.compile y GPU NVIDIA; la sesión aborda compilación avanzada.
- Versión y alcance
- Recurso vinculado a PyTorch 2.8. La API se describía como inestable: comprueba compatibilidad con la versión que utilices.
Enlace y procedencia comprobados: · Publicado: . La selección no implica una prueba propia de sus ejemplos. Idioma y subtítulos dependen del vídeo original.
Documentación y recursos
- Perfilado de torch.compile ↗
Analiza compilación, utilización de recursos y cortes del grafo.
- Receta del perfilador ↗
Ejemplo oficial para medir operaciones y memoria; no es una prueba realizada por midiario.ai.
Ejemplo del autor; sin prueba propia. - Uso de torch.compile ↗
Tutorial oficial con código para comparar formas de ejecución.
Ejemplo del autor; sin prueba propia.
Novedades en el archivo
Artículos relacionados: 2 · Fechas originales de los acontecimientos. Este archivo no sustituye el changelog oficial.
PyTorch 2.15 prueba FP8 y nuevas mejoras de ejecución de modelos en Mac
El equipo de Hugging Face detalla soporte FP8, nuevas operaciones Metal y correcciones de memoria e imagen. La publicación propone probar una candidata de versión, no garantiza mejoras en cualquier Mac.
TorchNeuron conecta PyTorch directamente con AWS Trainium en beta pública
El nuevo motor permite usar las interfaces habituales de PyTorch y las bibliotecas de Hugging Face sobre Trainium2 y Trainium3. Requiere adaptar la configuración; no garantiza compatibilidad universal.