PyTorch 2.15 : nouveau backend NCCL par défaut et optimisations matérielles
En bref
- Le backend NCCL réécrit devient le choix par défaut pour les communications multi-GPU dans PyTorch 2.15.
- Nouveaux noyaux optimisés pour Apple Silicon (FP8), AMD (DSL) et Intel (modèle simplifié).
- Compatibilité étendue à CUDA 13.2/13.4, ROCm 10.0 et Python 3.11 à 3.15.
PyTorch annonce la sortie de la version 2.15, avec 3 117 commits de 583 contributeurs depuis la 2.14. Selon l'éditeur, cette mise à jour renforce les performances et la fiabilité du framework, notamment via un backend NCCL réécrit devenu le choix par défaut pour les communications multi-GPU.
Le backend NCCL réécrit améliore la gestion des communications entre GPU, avec un mode de repli pour les anciens systèmes. Un enregistreur de vol (flight recorder) capture les blocages en production pour faciliter le débogage. PyTorch 2.15 optimise aussi les performances sur Apple Silicon (FP8, noyaux dédiés), AMD (nouveaux DSL de compilation) et Intel (modèle de programmation simplifié). Les améliorations concernent la parallélisation de pipeline, la gestion de la précision des gradients et la compatibilité matérielle (CUDA 13.2/13.4, ROCm 10.0, Python 3.11 à 3.15).
Cette version consolide PyTorch comme plateforme unifiée pour l'entraînement et l'inférence à grande échelle. Les professionnels doivent surveiller les gains de performance sur les architectures cibles et la stabilité des nouvelles fonctionnalités, notamment pour les déploiements en cluster.
Ce que ça change pour vous
- CybersécuritéLes améliorations de stabilité et de débogage (flight recorder) réduisent les risques d'interruption de services critiques lors d'entraînements distribués.
Ce résumé vous donne l'essentiel. L'article complet, ses chiffres et ses citations sont chez PyTorch Blog.
Lire l'article originalRésumé généré par IA à partir de la source, relu par règles. Comment nous rédigeons · Signaler une erreur