Telset.id – Intel dan AMD resmi menyatukan optimasi CPU untuk PyTorch ke dalam satu library terpadu, yakni oneDNN. Langkah ini membuat pengembang cukup memakai satu backend untuk mendapatkan optimasi yang tepat di perangkat berbasis chip Intel maupun AMD, tanpa perlu menangani jalur optimasi yang berbeda-beda.
Perubahan ini berdampak langsung pada siapa pun yang menjalankan inferensi AI di CPU melalui PyTorch. Sebelumnya, AMD memelihara versi turunan oneDNN bernama ZenDNN. Kini ZenDNN dipindahkan ke dalam oneDNN yang bersifat open-source, diterbitkan oleh UXL Foundation dan digerakkan oleh Intel.
Penyatuan ini bukan sekadar perpindahan kode. Bagi pengembang, satu backend oneDNN memastikan optimasi yang sesuai untuk hardware apa pun yang sedang dijalankan. Selama ini oneDNN memang dipakai sebagai backend untuk inferensi CPU dan dirancang mempercepat beban kerja tersebut pada chip Intel terbaru, dan kini juga AMD, di dalam framework seperti PyTorch.
Peran x86 Ecosystem Advisory Group
Menurut sumber, keputusan menyatukan upaya ini di bawah oneDNN direkomendasikan oleh x86 Ecosystem Advisory Group (EAG). EAG merupakan inisiatif bersama yang utamanya berjalan antara Intel dan AMD dan dibentuk pada 2024. Kedua perusahaan sebelumnya juga telah berkolaborasi melalui EAG, seperti pada ACE extensions untuk x86 yang terungkap awal tahun ini.
Selain memindahkan ZenDNN, AMD juga mengumumkan keanggotaannya di UXL Foundation sebagai “steering member”. Status ini memberi AMD pengaruh terhadap arah masa depan UXL Foundation, dengan imbalan kontribusi sebesar US$20.000 per tahun. Intel sendiri termasuk anggota pendiri UXL Foundation bersama Arm, Qualcomm, Google Cloud, dan lainnya.
Baca Juga:
Dampak bagi Pengembang dan Ekosistem AI
oneDNN sendiri merupakan library yang mendeteksi fitur hardware saat runtime untuk menghasilkan kernel yang dioptimalkan bagi platform bersangkutan, sekaligus menyediakan tipe data presisi rendah. Library ini juga memiliki instruksi yang dioptimalkan untuk operasi AI dan machine learning umum, seperti perkalian matriks dan konvolusi.
Dampak kinerjanya pernah terlihat saat oneDNN ditambahkan ke PyTorch sebagai backend pada akhir 2023. Kala itu tercatat peningkatan 1,24x untuk tipe data Float32 dan 2,21x untuk tipe data BFloat16. Angka tersebut menjadi acuan bagaimana optimasi backend CPU dapat memengaruhi performa inferensi AI di PyTorch.
Meski berita ini berfokus pada ekosistem x86 yang dijaga Intel dan AMD, oneDNN merupakan library lintas platform yang juga bekerja pada arsitektur Arm dan RISC-V. Intel awalnya mengembangkan oneDNN di atas library deep learning sebelumnya, sebelum akhirnya library ini dimasukkan ke UXL Foundation.
Perkembangan ini memperkuat kolaborasi Intel dan AMD di level perangkat lunak untuk beban kerja AI. Penyatuan optimasi di oneDNN membuat satu backend PyTorch dapat menangani kebutuhan optimasi CPU dari kedua vendor, sehingga pengembang tidak lagi bergantung pada jalur terpisah seperti ZenDNN untuk chip AMD.
[IMAGE: https://cdn.mos.cms.futurecdn.net/rYe5kJq2zmKffyrHqBDYkE.jpg (Alt: “AMD at Advancing AI.”)]
Bagi pengguna yang memantau inovasi perangkat keras AI, langkah ini melengkapi rangkaian pengumuman chip dan optimasi terbaru. Anda dapat menelusuri Intel GPU D-series untuk melihat arah pengembangan memori AI dari sisi Intel, serta Pabrik Intel Kiryat Gat sebagai bagian dari dinamika operasional perusahaan.
Dengan satu backend yang menyediakan optimasi sesuai hardware, pengembang yang menjalankan inferensi AI di CPU kini memiliki jalur yang lebih sederhana di PyTorch. Keputusan ini juga menempatkan UXL Foundation sebagai wadah netral tempat Intel dan AMD sama-sama berkontribusi terhadap arah pengembangan oneDNN ke depan.
Komentar
Belum ada komentar.