我们很高兴地宣布Poplar SDK 2.4正式发布，现在可以从我们的支持门户和Docker Hub[1]下载。
这一年我们有着非常成功的软件发布、优化和新生态系统合作伙伴关系，而Poplar SDK 2.4是这成功一年的高潮，展示了我们的参考应用程序和MLPerf提交的持续进步、软件成熟度、易用性、横向扩展功能和高性能基准测试。
Poplar SDK 2.4的新功能
新版本提供了大量的改进以进一步提高易用性和性能，并帮助开发人员更快地运行机器学习模型，以及用于添加到GitHub上公开示例[2]的新应用程序的代码。 
  • 新的公开示例，包括ViT、UNet、GPT、RNN-T、FastSpeech2和TGN
  • 编译时优化

  • 运行时在TensorFlow里配置的梯度累积动态计数

  • IPU TensorFlow插件包

  • 用于分布式TensorFlow 2（预览）的PopRun/PopDist：易于使用的分布式多主机横向扩展支持
  • 用于PopART和PyTorch的重叠I/O和计算

  • 针对PopVision系统分析工具的增强IPU利用率报告

  • 全面支持Debian 10.7

如欲了解更多有关这些新功能的信息，请参阅SDK 2.4.0 发行说明[3]。
改善开发人员体验
Poplar SDK 2.4 提供了许多改进，帮助您在IPU系统上轻松加速AI应用程序。
我们不断发展的模型花园（Model Garden）现已更新，包括为AI从业者提供更多应用程序，在涵盖计算机视觉、自然语言处理、语音处理和GNN的多个机器学习领域提供更大的模型覆盖范围。这些新模型包括Vision Transformer、UNet、GPT、RNN-T、FastSpeech2、Temporal Graph Networks（TGN）等。这些可以直接从GitHub[4]访问，也可以通过我们在Graphcore网站上的开发人员门户模型花园[5]访问。
编译时间已经过优化，可在开发模型时缩短迭代时间，改进幅度最高可达28%。
TensorFlow的功能
现在在TensorFlow中可以在运行时为流水线化模型指定梯度累积计数。这意味着可以动态定义全局批量大小，并在调查或调整此超参数时实现更快速的实验。新的IPU TensorFlow插件包含了由Graphcore的应用团队开发的IPU特定Keras优化器（用于TensorFlow 2），包括Adam、随机梯度下降和LAMB。
重叠的I/O
我们还为Poplar高级运行时（PopART）和PyTorch框架引入了重叠I/O和计算的能力，这将提高计算效率并有助于显著加速在IPU硬件上运行的程序。
PopVision工具
我们的PopVision分析工具继续让开发人员更深入地了解他们的应用程序的执行方式，并在此版本中添加了面向PopVision系统分析工具的增强IPU利用率报告。您可以从我们的网站直接下载PopVision[6]。
支持Debian 10.7
继Poplar SDK 2.3对Debian 10.7的预览支持之后，这一最新版本包括对这一操作系统的全面支持。
更多开发人员资源
面向开发人员的新文档存储和性能优化指南[7]现已发布在我们的文档门户上，提供面向IPU的模型移植和优化的详细指南。新示例（TensorFlow 2[8]和PyTorch[9]）可用于演示如何使用PopRun/PopDist进行分布式训练。
如欲访问IPU编程的所有最新文档、教程、代码示例、网络研讨会、视频、研究论文和更多资源，请查看我们的开发人员门户[10]。
[1]https://hub.docker.com/u/graphcore
[2]https://github.com/graphcore/examples
[3]https://docs.graphcore.ai/projects/release-notes/en/2.4.0/
[4]https://github.com/graphcore
[5]https://www.graphcore.ai/resources/model-garden
[6]https://www.graphcore.ai/developer/popvision-tools
[7]https://docs.graphcore.ai/projects/memory-performance-optimisation/en/latest/main.html
[8]https://github.com/graphcore/tutorials/tree/master/feature_examples/tensorflow2/popdist
[9]https://github.com/graphcore/tutorials/tree/master/feature_examples/pytorch/popdist
[10]https://www.graphcore.ai/developer
获取更多Graphcore资讯，阅读深度技术文章，并与其他创新者们一起交流，请至中国官网graphcore.cn，以及关注Graphcore微信、微博和知乎创新社区。
Graphcore中国官网
Graphcore官方微信
Graphcore微博创新社区
Graphcore知乎创新社区
点击阅读原文，查看英文blog。
继续阅读
阅读原文
关键词
创新社区
开发人员
应用程序
版本
分析工具