近日，谷歌宣布云端加速器TPU開始進一步支持深度學習函式庫PyTorch，僅需使用Python套件PyTorch/XLA，進行最小程度的修改，就能夠使用TPU來加速機器學習工作負載，且在TPU還不支援的操作，自動退回到以CPU運算，同時PyTorch/XLA也會生成詳細的報告，幫助使用者發現應用程序瓶頸，高效執行機器學習工作負載。

XLA是Google在2018年推出的最佳化編譯器，通過最佳化算法運算，可以提升機器學習模型的執行速度，XLA支援處理器以及繪圖卡，也能夠在Google?TPU上執行，并可以讓Cloud?TPU更容易支持PyTorch。

在最新的PyTorch/XLA上，使Cloud?TPU正式支援PyTorch?1.6，在基礎設施層提供模型平行運算能力，允許開發者可以在多個TPU核心上，分散大規模嵌入表，因此有能力創建許多過去無法實現的應用。

另外，谷歌還在云端上發布的深度學習虛擬機器（DLVM）映像檔，其中包括PyTorch等各種深度學習框架，而?PyTorch/XLA?1.6現在預裝在DLVM中，并且已經對Cloud?TPU進行最佳化。

為了讓開發者更好上手PyTorch/XLA，Google云端還提供一組常用深度學習模型開源實作，以及相關的教程，這些模型包括使用ImageNet資料集的圖像分類任務ResNet-50，還有Transformer、RoBERTa以及BERT等知名模型，也能使用PyTorch?1.6才加入，由臉書開發的深度學習推薦模型（DLRM）。官方提到，在Cloud?TPU訓練這些模型，大部分的情況僅需修改少量代碼即可實現。
責任編輯:pj