En poursuivant votre navigation sur ce site, vous acceptez l'utilisation de cookies pour vous proposer des contenus et services adaptés à vos centres d'intérêts. En savoir plus et gérer ces paramètres. OK X
 
 

 

 

Actualité des entreprises

Graphcore x Pytorch : créer et exécuter des GNN sur IPU

Publication: Avril 2023

Partagez sur
 
PyTorch Geometric et Graphcore s’allient pour proposer à leurs utilisateurs de créer et d’exécuter des GNN sur IPU...
 

Alors que l’IPU de Graphcore a démontré de très bonnes performances pour exécuter des réseaux de neurones graphiques (GNN) et que PyTorch Geometric (PyG) s’est rapidement imposé comme référence sur la construction de ces réseaux, les deux acteurs de l’intelligence artificielle se sont associés pour rendre plus fluide et rapide le travail de leurs utilisateurs.

Rapprochement de deux acteurs de l’IA pour une construction de GNN plus rapide

La construction de GNN est une approche relativement nouvelle de l’intelligence artificielle qui est particulièrement adaptée à la modélisation d’objets avec des structures irrégulières. Elle peut être utilisée dans des applications commerciales aussi diverses que la découverte de médicaments ou la détection de fraude.

Comparé à d’autres architectures de calcul dans l’exécution des GNN, Graphcore a démontré des performances exceptionnelles et a remporté des compétitions mettant en concurrence différentes entreprises du secteur. Ces performances ont également été mises à profit de certains laboratoires américains, d’entreprises spécialisées en IA et pour la recherche académique.

Pour la première fois, l’IPU unique de Graphcore intègre PyG dans son logiciel pour permettre aux utilisateurs de créer, porter et exécuter leurs GNN sur des IPU.

PyTorch étant l’une des technologies d’intelligence artificielle open source les plus populaires, cette collaboration représente une avancée dans le développement de l’intelligence artificielle et du deep learning. Le constructeur de semiconducteurs européen met également à disposition une gamme de modèles pouvant être exécutés en tant que notebooks Paperspace Gradient. Celles-ci couvrent la science moléculaire, les réseaux de graphes temporels, la prédiction des graphes de connaissances, etc.

Accélérer l’adoption du GNN grâce à une modification minime du code

Exécuter un modèle PyG grâce à l’IPU de Graphcore, pour la formation ou l’inférence, ne requiert que peu de changement de code par rapport à l’utilisation d’un PyG sur GPU. C’est le principal avantage de cette collaboration.

Se félicitant du partenariat, Matthias Fey, créateur de PyG et fondateur de Kumo.ai a déclaré : « La pertinence des IPU dans l’exécution de GNN et les performances démontées par Graphcore et ses clients contribuent vraiment à accélérer l’adoption de ce type de modèles passionnants. »

« L’intégration de PyTorch Geometric permettra aux développeurs de créer plus rapidement et plus facilement de nouveaux GNN à partir de zéro, de déplacer des modèles existants vers des IPU ou de tirer parti du catalogue croissant de GNN prêts à l’emploi. » affirme Nigel Toon, co-fondateur de Graphcore.

https://www.graphcore.ai/

Suivez Industrie Mag sur le Web

 

Newsletter

Inscrivez-vous a la newsletter d'Industrie Mag pour recevoir, régulièrement, des nouvelles du site par courrier électronique.

Email: