AMD dan Intel Satukan Optimalisasi AI di Prosesor x86
AMD dan Intel bekerja sama untuk mempermudah pengembangan
aplikasi AI di prosesor mereka. Keduanya sepakat menyatukan optimalisasi CPU
untuk PyTorch ke dalam oneDNN, sebuah pustaka software open source yang
membantu aplikasi AI berjalan lebih efisien di prosesor.
Selama ini, pengembang perlu memastikan aplikasi mereka bisa
memanfaatkan kemampuan prosesor yang digunakan. Dengan optimalisasi yang
disatukan, pengembang diharapkan lebih mudah menjalankan dan mengembangkan
aplikasi AI di CPU AMD maupun Intel tanpa harus mengurus banyak jalur software
berbeda.
Optimalisasi CPU AMD dan Intel Jadi Satu
AMD akan mengintegrasikan teknologi optimalisasi ZenDNN ke
dalam oneDNN. Dengan begitu, optimalisasi yang dikembangkan AMD bisa diakses
melalui pustaka yang sama dengan optimalisasi untuk prosesor Intel.
PyTorch sendiri merupakan salah satu framework yang
digunakan untuk mengembangkan model AI. Sementara itu, oneDNN membantu
mempercepat berbagai perhitungan yang dibutuhkan AI saat berjalan di CPU.
Bagi pengembang, penyatuan ini bisa menghemat waktu saat
membuat dan merawat aplikasi AI untuk komputer dengan prosesor berbeda. AMD dan
Intel juga berharap cara ini bisa mengurangi masalah kompatibilitas akibat
perbedaan optimalisasi software.
Siapkan Teknologi Baru untuk Mempercepat AI
AMD dan Intel juga mengembangkan AI Compute Extensions
(ACE), teknologi yang dirancang untuk mempercepat perhitungan AI di prosesor
x86. Salah satu sasaran utamanya adalah mempercepat operasi perkalian matriks,
yang banyak digunakan dalam pemrosesan AI.
Teknologi ACE nantinya akan diintegrasikan ke PyTorch
melalui pembaruan oneDNN. Namun, peningkatan performanya baru bisa dinilai
setelah teknologi tersebut diterapkan dan diuji pada sistem yang mendukungnya.
Lewat kerja sama ini, AMD dan Intel ingin membuat pengembangan AI di CPU
lebih sederhana. Pengembang bisa menggunakan jalur software yang sama untuk
berbagai prosesor x86, sementara optimalisasi baru disiapkan untuk meningkatkan
kemampuan CPU dalam menjalankan AI.
Continue Reading