FERRAMENTAS LINUX: Intel Lança Extensão para PyTorch 2.7 com Suporte a LLMs e Otimizações para Hardware Intel

sexta-feira, 25 de abril de 2025

Intel Lança Extensão para PyTorch 2.7 com Suporte a LLMs e Otimizações para Hardware Intel

 

Intel


Intel lança a Extensão para PyTorch 2.7 com suporte a LLMs como DeepSeek-R1 e Microsoft Phi-4, otimizações para Intel Xeon e integração com oneDNN 3.7.2. Baixe agora e acelere seus modelos de IA e deep learning!


Intel acaba de lançar a versão 2.7 da Intel Extension for PyTorch, trazendo melhorias significativas para desenvolvedores de IA e machine learning

Esta atualização inclui suporte a novos modelos de linguagem de grande porte (LLMs), otimizações de desempenho e aprimoramentos para hardware Intel Xeon moderno, garantindo maior eficiência em tarefas de deep learning.

Principais Novidades da Intel Extension for PyTorch 2.7

1. Suporte a Modelos Avançados de IA

A nova versão adiciona compatibilidade com:

  • DeepSeek-R1, incluindo otimizações para precisão INT8 em processadores Intel Xeon.

  • Microsoft Phi-4 (Phi-4-mini e Phi-4-multimodal), ampliando as possibilidades para aplicações multimodais.

2. Otimizações de Desempenho para LLMs

A extensão inclui:

  • Melhorias na inferência e treinamento de modelos de linguagem.

  • Documentação aprimorada para manuseio de modelos multimodais e DeepSeek-R1.

3. Atualização para oneDNN 3.7.2

A biblioteca de rede neural da Intel foi rebaseada para a versão mais recente, garantindo maior velocidade e eficiência em operações de deep learning.

Por Que Essa Atualização é Importante?

Com o crescimento exponencial de LLMs e IA generativa, otimizações de hardware são essenciais para reduzir custos computacionais. A Intel Extension for PyTorch 2.7 permite que empresas e pesquisadores:

✔ Acelerem inferência em servidores Intel Xeon.
✔ Reduzam latência em modelos multimodais.
✔ Maximizem eficiência energética em data centers.

Como Baixar e Começar a Usar

A extensão está disponível no GitHub da Intel, com documentação detalhada para integração em projetos de machine learning.

🔗 Download no GitHub


Nenhum comentário:

Postar um comentário