EvoX 1.1의 출시를 기쁘게 알려드립니다. 백엔드 컴파일러로 torch.compile (TorchDynamo)의 완전한 통합을 도입합니다! 이번 업데이트는 기존의 TorchScript 접근 방식을 대체하여, EvoX를 더 사용자 친화적이고 더 넓은 Python 생태계와 높은 호환성을 갖추게 합니다.
torch.compile을 활용하여, EvoX는 이제 런타임에 동적으로 계산 그래프를 캡처하며, 수동 트레이싱의 필요성을 제거하면서 자동으로 성능을 최적화합니다.
새로운 기능
torch.compile: 더 스마트하고 유연한 컴파일
EvoX 1.1에서는 새로운 컴파일 백엔드로 torch.compile을 완전히 채택합니다. 이전의 트레이싱 기반 접근 방식과 달리, 내부적으로 TorchDynamo를 사용하는 torch.compile은 Python 실행을 가로채고, 동적으로 계산 그래프를 추출하며, 실시간으로 최적화합니다.
이는 다음을 의미합니다:
l 더 이상 수동 트레이싱이 필요 없습니다 — **torch.compile(workflow.step)**을 호출하기만 하면, EvoX가 나머지를 처리합니다.
l 원활한 Python 호환성 — 네이티브 Python 함수와 NumPy, SciPy와 같은 외부 라이브러리와 함께 작동합니다.
l 더 나은 성능 — 최적화된 계산 그래프로 더 빠른 실행과 더 나은 하드웨어 활용을 달성합니다.
l 미래 지향적 설계 — PyTorch의 로드맵에 맞추어 장기적인 호환성과 성능 향상을 보장합니다.
왜 TorchScript에서 torch.compile로 전환했는가?
이전 버전에서 EvoX는 트레이싱 기반 방법에 의존했습니다:
l 1.0.0 이전에는 계산 그래프 추출을 위해 JAX 트레이싱을 사용했습니다.
l v1.0.0에서는 TorchScript로 전환하여 PyTorch 통합을 강화했습니다.
그러나 이러한 방법에는 여러 단점이 있었습니다:
l 사용이 복잡 — 사용자가 수동으로 그래프를 트레이싱하고 복잡한 디버깅을 처리해야 했습니다.
l 제한된 호환성 — 동적 워크플로와 비 PyTorch 함수에서 어려움을 겪었습니다.
l 제한된 유연성 — 루프, 조건문 및 기타 Python 구문이 항상 올바르게 캡처되지 않았습니다.
torch.compile과 TorchDynamo를 통해 이러한 문제가 해결되었습니다. EvoX는 이제 동적으로 최적화하며, 사용자의 추가 노력 없이 더 넓은 범위의 워크플로를 지원합니다.
EvoX 1.1이 여러분의 작업을 더 쉽게 만드는 방법
l 더 이상 트레이싱의 번거로움이 없습니다 — 모든 것이 백그라운드에서 처리되어, 코드가 더 깔끔하고 유지보수가 쉬워집니다.
l 기존 Python 코드와 함께 작동 — 호환성을 위해 워크플로를 수정할 필요가 없습니다.
l 더 빠른 실행, 더 나은 확장성 — GPU 및 TPU를 위한 PyTorch의 최신 최적화의 혜택을 받습니다.
l 미래 대비 — PyTorch의 장기적인 진화에 맞추어 지속적인 성능 향상을 보장합니다.
지금 EvoX 1.1로 업그레이드하세요!
EvoX 1.1이 공식 출시되었습니다! 오늘 업그레이드하여 더 스마트하고, 더 빠르며, 더 직관적인 계산 워크플로를 경험하세요.
EvoX 1.1 받기: GitHub
질문이나 피드백이 있으신가요? GitHub에서 이슈를 열거나 커뮤니티 토론에 참여해 주세요. 함께 계산 지능의 한계를 넓혀 나갑시다!
소스 코드 / 커뮤니티 / 문서
논문: https://arxiv.org/abs/2301.12457
GitHub: https://github.com/EMI-Group/evox
문서: https://evox.readthedocs.io/en/latest/
QQ 그룹: 297969717
