PyTorch sur Azure
Bénéficiez d’une expérience PyTorch prête pour l’entreprise dans le cloud
PyTorch est une infrastructure de deep learning open source qui accélère le chemin de la recherche à la production. Les scientifiques des données chez Microsoft utilisent PyTorch comme infrastructure principale pour développer des modèles qui permettent de nouvelles expériences dans Microsoft 365, Bing, Xbox, etc. Microsoft est l’un des principaux contributeurs de l’écosystème PyTorch avec des contributions récentes telles que PyTorch Profiler.
PyTorch sur Azure – le meilleur duo
Prêt pour la production
Entraînez et déployez des modèles de manière fiable et à grande échelle à l'aide d'un environnement PyTorch intégré dans Azure Machine Learning pour vous assurer que la dernière version de PyTorch est entièrement prise en charge via Azure Container for PyTorch.
Performances accélérées
Réduisez le délai de mise sur le marché grâce à un puissant matériel GPU, à un accélérateur logiciel de classe production avec ONNX Runtime, et aux dernières techniques de mise à l’échelle innovantes avec DeepSpeed dans Azure.
Écosystème renforcé
En savoir plus avec le riche écosystème d’outils et de fonctionnalités PyTorch, tels que PyTorch Profiler.
Approuvé par des organisations de toutes tailles
Yuji Fukaya, Manager AI Consulting Group AI Transformation Center, Information Services International-Dentsu"Other deep learning frameworks and cloud services are out there, but we think Azure, Azure Machine Learning, and PyTorch are the best choices because they enhance accuracy, efficiency, scalability, and speed of development."
Jeremy Jancsary, Senior Principal Research Scientist, Nuance"The new enterprise-level offering by Microsoft closes an important gap. Serving PyTorch models in production can be a challenge. The direct involvement of Microsoft lets us deploy new versions of PyTorch to Azure with confidence."
Vaagan, responsable Scientifique des données, Inmeta, membre de Crayon"I would recommend the Azure environment to other developers. It's user-friendly, easy to develop with, and very importantly, it follows best practices for AI and machine learning work."
Pablo Castellanos Garcia, Vice-président Ingénierie, Wayve"Running PyTorch on Azure gives us the best platform to build our embodied intelligence. It's easy for our engineers to run the experiments they need, all at once, at petabyte scale."
Zoiner Tejada, PDG de Solliance et directeur technique de base de référence"With Azure AI and PyTorch, we combined focused applications of AI with journalistic processes and financial intelligence, yielding a solution that is unique in the market and valuable for cryptocurrency investors."
Tom Chmielenski, ingénieur MLOps principal, Bentley"We use Azure Machine Learning and PyTorch in our new framework to develop and move AI models into production faster, in a repeatable process that allows data scientists to work both on-premises and in Azure."
Microsoft contribue activement à un écosystème de projets open source PyTorch
PyTorch Profiler
PyTorch Profiler est un outil open source qui vous permet de comprendre la consommation des ressources matérielles, telles que les durées et la mémoire, des diverses opérations PyTorch dans votre modèle et de résoudre les goulots d’étranglement au niveau des performances. Cela rend votre modèle plus rapide avec une surcharge moindre.
Runtime ONNX sur PyTorch
À mesure que les modèles Deep Learning deviennent plus volumineux, la réduction du temps d’apprentissage devient un problème tant financier qu’environnemental. ONNX Runtime accélère l’apprentissage distribué à grande échelle de modèles de transformateur PyTorch avec une modification de code sur une seule ligne. Combinez avec DeepSpeed pour améliorer la vitesse d’apprentissage sur PyTorch.
PyTorch sur Windows
Microsoft gérant les builds PyTorch pour Windows, votre équipe bénéficie de builds soigneusement testées et stables, d’une installation simple et fiable, de démarrages rapides et de tutoriels, de hautes performances et d’une prise en charge de fonctionnalités plus avancées, telles que l’entraînement de GPU distribué.
Fondation PyTorch
Avec l’importance croissante de PyTorch pour la recherche et la production de l’IA, Mark Zuckerberg et la Linux Foundation ont annoncé conjointement que PyTorch va migrer vers la Linux Foundation pour soutenir la croissance continue de la communauté et lui fournir un lieu de croissance pour les années à venir. Pour contribuer à l’amélioration future de PyTorch, Microsoft a rejoint la PyTorch Foundation en tant que membre du conseil d’administration pour diriger la démocratisation et la collaboration de l’IA/ML. Lisez le billet de blog Meta pour en savoir plus sur la PyTorch Foundation et découvrez les dernières fonctionnalités PyTorch.
ONNX Runtime : runtime pour l’inférence et l’entraînement accélérés de modèles PyTorch, prenant en charge Windows, Mac, Linux, Android et iOS, et optimisé pour un large éventail d’accélérateurs matériels.
DeepSpeed : bibliothèque d’algorithmes pour l’entraînement de modèles volumineux de nouvelle génération, notamment des algorithmes d’entraînement parallèles de modèle de pointe et d’autres optimisations pour l’entraînement distribué.
Hummingbird : bibliothèque qui compile des modèles traditionnels tels que Scikit-Learn ou LightGBM dans un calcul Tensor PyTorch pour une inférence plus rapide.
Deux façons d’utiliser Azure pour le développement de PyTorch
Accélérez votre workflow avec Azure Machine Learning
Créez, formez et déployez facilement des modèles PyTorch à l’aide d’Azure Container pour PyTorch. Il est étroitement intégré à Azure Machine Learning pour la gestion des expériences et la prise en charge complète du cycle de vie de l’apprentissage automatique. Azure Machine Learning supprime la charge importante des flux de travail d’apprentissage automatique de bout en bout tout en gérant les tâches de nettoyage telles que la préparation des données et le suivi des expériences, ce qui réduit le temps de production de plusieurs semaines à plusieurs heures.
Développer avec Azure Data Science Virtual Machine pour PyTorch
Data Science Virtual Machine pour PyTorch est préinstallé et validé avec la dernière version de PyTorch pour réduire les coûts d’installation et accélérer le délai d’exécution. Les packages contiennent différentes fonctionnalités d’optimisation telles que ONNX Runtime, DeepSpeed et PySpark pour obtenir une expérience de développement fluide et la possibilité de travailler avec toutes les configurations matérielles Azure, y compris les GPU.
Découvrez les notions de base de PyTorch
Découvrez les notions de base du Deep Learning avec PyTorch sur Microsoft Learn. Ce parcours d’apprentissage convivial présente des concepts clés pour la création de modèles Machine Learning dans plusieurs domaines, notamment la reconnaissance vocale, la vision et le traitement en langage naturel.
Prise en main de PyTorch sur l’AI Show
Découvrez les bases de PyTorch, notamment comment créer et déployer un modèle, et vous rapprocher de la puissante communauté d’utilisateurs.
Découvrez les bases de PyTorch
Familiarisez-vous avec les concepts et modules PyTorch. Ce guide de démarrage rapide explique comment charger des données, créer des réseaux neuronaux profonds, effectuer l’apprentissage de vos modèles et les enregistrer.
En savoir plus sur PyTorch sur Azure
Lire les billets de blog sur PyTorch
- Nouveautés de PyTorch Profiler 1.9
- Deux méthodes pour profiler des modèles PyTorch sur un serveur distant
- Optimisation des performances de PyTorch : taille de lot avec PyTorch Profiler
- Présentation de la prise en charge parallèle des données distribuées sur PyTorch Windows
- Optimisation des performances des modèles avec TorchServe
Ressources
- Découvrez les bases de PyTorch
- Découvrir les notions de base PyTorch dans les domaines de la reconnaissance vocale, de la vision et du traitement en langage naturel
- Entraîner des modèles PyTorch à grande échelle avec Azure Machine Learning
- Tutoriels PyTorch
- Documentation PyTorch
- Déployer un modèle de classification d'images pré-entraîné vers Azure Functions avec PyTorch
Accélérez votre projet PyTorch dans le cloud avec Azure
