Wir freuen uns, die Veröffentlichung von EvoX 1.1 bekannt zu geben, mit der vollständigen Integration von torch.compile (TorchDynamo) als Backend-Compiler! Dieses Update ersetzt den bisherigen TorchScript-Ansatz und macht EvoX benutzerfreundlicher und hochkompatibel mit dem breiteren Python-Ökosystem.
Durch die Nutzung von torch.compile erfasst EvoX nun Berechnungsgraphen dynamisch zur Laufzeit, wodurch manuelles Tracing überflüssig wird, während die Leistung automatisch optimiert wird.
Was ist neu?
torch.compile: Intelligentere, flexiblere Kompilierung
In EvoX 1.1 übernehmen wir vollständig torch.compile als neues Kompilierungs-Backend. Im Gegensatz zum vorherigen Tracing-basierten Ansatz fängt torch.compile – das intern TorchDynamo verwendet – die Python-Ausführung ab, extrahiert dynamisch Berechnungsgraphen und optimiert diese in Echtzeit.
Das bedeutet:
-
Kein manuelles Tracing mehr – Rufen Sie einfach torch.compile(workflow.step) auf, und EvoX kümmert sich um den Rest.
-
Nahtlose Python-Kompatibilität – Funktioniert mit nativen Python-Funktionen und externen Bibliotheken wie NumPy und SciPy.
-
Bessere Leistung – Optimierte Berechnungsgraphen führen zu schnellerer Ausführung und besserer Hardware-Auslastung.
-
Zukunftssicheres Design – Richtet sich nach der Roadmap von PyTorch und gewährleistet langfristige Kompatibilität und Leistungsverbesserungen.
Warum der Wechsel von TorchScript zu torch.compile?
In früheren Versionen verließ sich EvoX auf Tracing-basierte Methoden:
-
Vor 1.0.0 wurde JAX-Tracing für die Extraktion von Berechnungsgraphen verwendet.
-
v1.0.0 wechselte zu TorchScript, um die PyTorch-Integration zu verbessern.
Diese Methoden hatten jedoch mehrere Nachteile:
-
Kompliziert in der Anwendung – Benutzer mussten Graphen manuell tracen und komplexes Debugging durchführen.
-
Eingeschränkte Kompatibilität – Probleme mit dynamischen Workflows und Nicht-PyTorch-Funktionen.
-
Eingeschränkte Flexibilität – Schleifen, Bedingungen und andere Python-Konstrukte wurden nicht immer korrekt erfasst.
Mit torch.compile und TorchDynamo gehören diese Probleme der Vergangenheit an. EvoX optimiert jetzt dynamisch und unterstützt eine breitere Palette von Workflows mit null Mehraufwand für die Benutzer.
Wie EvoX 1.1 Ihr Leben einfacher macht
-
Kein Ärger mehr mit Tracing – Alles geschieht im Hintergrund, was Ihren Code sauberer und einfacher wartbar macht.
-
Funktioniert mit Ihrem bestehenden Python-Code – Keine Notwendigkeit, Ihren Workflow für Kompatibilität zu ändern.
-
Schnellere Ausführung, bessere Skalierung – Profitieren Sie von den neuesten PyTorch-Optimierungen für GPUs und TPUs.
-
Zukunftssicher – Bleiben Sie im Einklang mit der langfristigen Entwicklung von PyTorch und sichern Sie sich kontinuierliche Leistungssteigerungen.
Jetzt auf EvoX 1.1 upgraden!
EvoX 1.1 ist jetzt offiziell verfügbar! Führen Sie noch heute ein Upgrade durch, um einen intelligenteren, schnelleren und intuitiveren Rechen-Workflow zu erleben.
Holen Sie sich EvoX 1.1: GitHub
Haben Sie Fragen oder Feedback? Eröffnen Sie ein Issue auf GitHub oder treten Sie unserer Community-Diskussion bei. Lassen Sie uns gemeinsam die Grenzen der Computational Intelligence erweitern!
Quellcode / Community / Dokumentation
Paper: https://arxiv.org/abs/2301.12457
GitHub: https://github.com/EMI-Group/evox
Dokumentation: https://evox.readthedocs.io/en/latest/
QQ-Gruppe: 297969717
