PyTorch
Im Mittelpunkt steht PyTorch als Framework selbst: Versionswechsel, neue Hardware-Backends, die Compile-Kette von torch.compile und verteiltes Training – damit Entwickler einschätzen können, was ein Upgrade in Training und Inferenz konkret verändert.
PyTorch, das von Meta betreute Open-Source-Framework, ist der Ort, an dem die meisten neuen Modelle und Trainingsbibliotheken zuerst landen. Der Schwerpunkt verschiebt sich hin zur Hardware-Portabilität: Über PrivateUse1, die offizielle Erweiterungsstelle, registrieren sich fremde Beschleuniger als Standardgeräte. TorchNeuron, das Backend, das AWS gerade für seine Trainium-Chips vorgestellt hat, ist das jüngste Beispiel.
