Graphcore的Poplar SDK最新2.6版本已在我们的支持门户[1]和Docker Hub[2]开放下载。
Poplar SDK支持Graphcore最新的Bow Pod系统以及上一代系统，赋能客户的产品创新并使其能够在IPU上开发高性能应用。
►►►
对Graphcore模型花园
和公共示例的补充
我们的目标是使用户尽可能容易地部署一系列为IPU优化的模型。我们正在不断地更新模型花园[3]和相关的GitHub存储库[4]。为此，我们准备了大量新的模型和公共示例。
  • GPT-2-Large – 推理（PyTorch）
  • GPT-2-Medium – 推理（PyTorch）
  • CLIP – 训练（PyTorch）
  • Conformer-Medium – 训练（PyTorch）
针对SDK2.6，我们对许多模型花园中的模型在多框架和多平台上的benchmark性能结果进行了更新，并已发布在我们网站的性能结果[5]页面。
►►►
Poplar SDK 2.6的亮点和新功能
以下为Poplar SDK 2.6版本的更新摘要，完整的更新列表请详见版本说明[6]。
支持TensorFlow 2.6并增加了
TensorFlow Serving（预览版）
对于此版本，我们已将 TensorFlow 2的开源版本的代码库（从2.5版本）升级到到了2.6版本。
此外，Poplar SDK 2.6的升级还包括用于IPU的TensorFlow Serving 预览版，作为用于生产服务的Poplar Triton后端的替代方案。此发行版将允许用户将预编译模型导出为标准SavedModel格式，以便日后部署使用TensorFlow Serving的Graphcore发行版的推理。
Graphcore文档门户[7]提供了TensorFlow Serving 2[8]和TensorFlow Serving 1[9]的用户指南。
IPU TensorFlow Addons的开放源代码
IPU TensorFlow Addons是一个为TensorFlow的Graphcore端口创建的附加插件集合，包括Keras和传统TensorFlow的层和优化器。
这个软件包最初在Poplar SDK 2.4发布时被添加，现在已开源[10]给社区。
Keras：新的独立软件包
TensorFlow 2.6版本提供了一个单独的Keras软件包，使用pip安装。Poplar SDK 2.6的升级还包括TensorFlow 2.6的Graphcore版本，为Graphcore发布包含了IPU特定扩展的Keras提供了一个新的载体。新的Keras实现已开源[11]。
TensorFlow 2的最新安装说明可以在Pod系统入门指南[12]和Graphcloud TensorFlow 2快速入门[13]中找到。
Keras梯度聚合筛选和训练稳定性改进
Poplar SDK 2.6版本增加了在使用具有梯度累积[14]或流水线[15]的Keras模型时控制梯度聚合方式的功能。在使用float16梯度时，使用运行平均值可以改善训练稳定性。
与Keras模型的梯度累积和流水线有关的文档在IPU TensorFlow 2用户指南[16]中提供。作为参考，请参阅GitHub上的TensorFlow 2 BERT[17]和ResNet50[18]模型。
PopXL
PopXL是一个允许显式优化从而以充分利用计算、通信和存储的框架库，已经获得了一些新的功能、错误修复和改进，在Poplar SDK 2.6版本说明中有详细介绍。
PopXL用户指南[19]已被大幅更新，并发布了6个新的PopXL教程[20]（基本概念、自定义优化器、数据并行性、流水线化、远程变量、分阶段执行）。
我们还发布了popxl-addons[21]，这是一个新的公共GitHub存储库，通过包含额外的操作、转换、模块和实用工具来扩展PopXL框架。
►►►
全新的、升级后的开发者资源
除了上面详述的模型花园和公共示例的亮点、特点和新增内容外，Poplar SDK 2.5版本和2.6版本发布期间，还创建或升级了以下开发者资源。
  • 关于轻量级分析[22]的新PopVision教程
  • 关于在IPU上使用Hugging Face Optimum对视觉变换器（ViT）模型进行微调[23]的新教程
  • 新的功能实例，演示如何在TensorFlow 2中使用重新计算检查点[24]
  • 在PopVision关于应用程序工具化的教程中新增了关于生成和分析即时事件[25]的章节
  • 更新了Graphcloud入门[26]指南
  • 更新了PopTorch简介[27]教程的介绍，包括将本人图像导入模型的部分
欲获取最新的文档、教程、代码示例、网络研讨会、视频、研究论文和IPU编程的更多资源，请查看我们的开发者门户网站[28]。
[1]https://www.graphcore.ai/support
[2]https://hub.docker.com/u/graphcore
[3]https://www.graphcore.ai/resources/model-garden
[4]https://github.com/graphcore
[5]https://www.graphcore.cn/performance-results/
[6]https://docs.graphcore.ai/projects/release-notes/en/2.6.0
[7]https://docs.graphcore.ai/en/latest/
[8]https://docs.graphcore.ai/projects/tensorflow-serving2/en/latest/
[9]https://docs.graphcore.ai/projects/tensorflow-serving1/en/latest/
[10]https://github.com/graphcore/ipu_tensorflow_addons
[11]https://github.com/graphcore/keras
[12]https://docs.graphcore.ai/en/latest/getting-started.html#pod-system-getting-started-guides
[13]https://docs.graphcore.ai/projects/graphcloud-tensorflow2-quick-start/en/latest/
[14]https://docs.graphcore.ai/projects/tensorflow-user-guide/en/latest/keras/keras.html#gradient-accumulation
[15]https://docs.graphcore.ai/projects/tensorflow-user-guide/en/latest/keras/keras.html#model-parallelism
[16]https://docs.graphcore.ai/projects/tensorflow-user-guide/en/latest/
[17]https://github.com/graphcore/examples/tree/master/nlp/bert/tensorflow2
[18]https://github.com/graphcore/examples/tree/master/vision/cnns/tensorflow2
[19]https://docs.graphcore.ai/projects/popxl/en/latest/
[20]https://github.com/graphcore/tutorials/tree/sdk-release-2.6/tutorials/popxl/
[21]https://github.com/graphcore/popxl-addons
[22]https://github.com/graphcore/tutorials/tree/sdk-release-2.6/tutorials/popvision/lightweight_profiling/
[23]https://github.com/graphcore/tutorials/tree/sdk-release-2.6/tutorials/pytorch/vit_model_training/
[24]https://github.com/graphcore/tutorials/tree/sdk-release-2.6/feature_examples/tensorflow2/recomputation_checkpoints
[25]https://github.com/graphcore/tutorials/tree/sdk-release-2.6/tutorials/popvision/system_analyser_instrumentation/
[26]https://docs.graphcore.ai/projects/graphcloud-getting-started/en/latest/
[27]https://github.com/graphcore/tutorials/tree/sdk-release-2.6/tutorials/pytorch/basics/
[28]https://www.graphcore.cn/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