
هاگینگ فیس از تراشههای TPU بهصورت بومی پشتیبانی میکند
هاگینگ فیس از کتابخانه TorchTPU رونمایی کرد که اجرای بومی مدلهای PyTorch روی تراشههای TPU گوگل را ممکن میسازد. این اقدام فرآیند توسعه و استقرار مدلها را برای محققان و توسعهدهندگان سادهتر میکند.
هاگینگ فیس در تاریخ ۲۰ اکتبر ۲۰۲۶ از کتابخانه جدیدی با نام TorchTPU رونمایی کرد که بهطور بومی از تراشههای TPU (Tensor Processing Unit) گوگل پشتیبانی میکند. این کتابخانه امکان اجرای مدلهای ساختهشده با PyTorch را بدون نیاز به تغییرات گسترده در کد، روی زیرساخت TPU فراهم میآورد. پیش از این، توسعهدهندگانی که قصد استفاده از TPU را داشتند، ناچار به استفاده از چارچوبهای جانبی مانند JAX یا انجام تبدیلهای دستی بودند. با TorchTPU، فرآیند استقرار مدلها روی TPU سادهتر شده و فاصله میان اکوسیستم PyTorch و سختافزار گوگل کاهش مییابد. این موضوع میتواند به افزایش بهرهوری در آموزش و استنتاج مدلهای بزرگ کمک کند. برای توسعهدهندگان ایرانی، این خبر از آن جهت اهمیت دارد که دسترسی به منابع سختافزاری متنوع را آسانتر میکند. با پشتیبانی بومی از TPU، امکان اجرای مدلهای PyTorch روی زیرساختهای ابری گوگل بدون بازنویسی کد فراهم میشود و میتوانند از مزایای هزینهای و عملکردی TPU بهرهمند شوند. همچنین، این یکپارچگی میتواند مهاجرت میان GPU و TPU را تسهیل کند. هاگینگ فیس اعلام کرده است که TorchTPU بهصورت متنباز در دسترس قرار خواهد گرفت و با کتابخانههای موجود این پلتفرم ادغام میشود. انتظار میرود این حرکت، رقابت میان ارائهدهندگان سختافزار هوش مصنوعی را تشدید کرده و گزینههای بیشتری را پیش روی توسعهدهندگان قرار دهد.
این مدل در اپکس۲۴ قابل دسترس است
یک کلید API — ۵۰+ مدل هوش مصنوعی




