Graphcore提供全新底层硬件,助力解锁新型人工智能技术
2023年9月6日,英国布里斯托——今日,Graphcore®(拟未)宣布加入PyTorch基金会(PyTorch Foundation),从而与深度学习社区建立更紧密的联系,更好地开展开源PyTorch框架和生态系统方面的合作。
PyTorch基金会是深度学习社区在开源PyTorch框架和生态系统上开展合作的中立性场所。PyTorch基金会由其成员和PyTorch开源项目的主要贡献者提供支持。它是全球领先的开源软件、硬件、标准和数据协作组织Linux基金会的一部分。PyTorch基金会利用成员和贡献者提供的资源来实现社区讨论和合作。
早在2020年,Graphcore就发布并开源了面向IPU的PyTorch的产品化版本,把先进的人工智能计算平台和创新的框架整合在一起,向PyTorch开发人员开放Graphcore技术。多年来,Graphcore通过开发在其IPU硬件上运行的集成,为PyTorch生态系统做出了贡献。这些集成使研究人员和从业者能够在使用他们首选框架的同时,充分利用Graphcore专用硬件。
Graphcore软件框架负责人Anthony Barbier表示:“Graphcore与PyTorch的目标不谋而合,即降低人工智能从业者的入门门槛。通过支持面向IPU的原生PyTorch软件环境,我们将为开发者提供新的底层硬件,这些硬件专为人工智能设计,以帮助解锁可以提高效率或性能的新人工智能技术,并利用他们熟悉和期待的用户友好的PyTorch框架,推动人工智能研究和应用的突破。作为PyTorch基金会的活跃成员,我们期待为全球人工智能社区做出贡献并推动其发展,并为成为先期成员而感到自豪。”
PyTorch基金会执行董事Ibrahim Haddad表示:“我们很高兴PyTorch成为Graphcore平台上的领先开发框架。Graphcore在硬件和开源领域发挥了重要作用,我们期待他们继续为PyTorch做出贡献。”
未来,Graphcore将继续拥抱开源,助力深度学习社区的建设,加速人工智能技术的创新和应用。
好文章,需要你的鼓励
清华大学团队突破性开发"零样本量化"技术,让AI模型在不接触真实数据的情况下完成高效压缩,性能反超传统方法1.7%,为隐私保护时代的AI部署开辟新路径。
普林斯顿大学研究团队开发出"LLM经济学家"框架,首次让AI学会为虚拟社会制定税收政策。系统包含基于真实人口数据的工人AI和规划者AI两层,通过自然语言交互找到最优经济政策,甚至能模拟民主投票。实验显示AI制定的税收方案接近理论最优解,为AI参与社会治理提供了新路径。
K Prize是由Databricks和Perplexity联合创始人推出的AI编程挑战赛,首轮比赛结果显示,获胜者巴西工程师Eduardo Rocha de Andrade仅答对7.5%的题目就获得5万美元奖金。该测试基于GitHub真实问题,采用定时提交系统防止针对性训练,与SWE-Bench 75%的最高得分形成鲜明对比。创始人承诺向首个在该测试中得分超过90%的开源模型提供100万美元奖励。
南开大学研究团队提出了一种新的3D高斯泼溅重光照方法,通过在高斯原语上直接编码离散化SDF值,避免了传统方法需要额外SDF网络的问题。该方法设计了投影一致性损失来约束离散SDF样本,并采用球形初始化避免局部最优。实验表明,新方法在保持高质量重光照效果的同时,仅需现有方法20%的显存,显著提升了训练和渲染效率。