El framework de deep learning Tinygrad ha lanzado su versión 0.11, continuando su expansión en soporte para aceleradores de hardware y agregando nuevas funcionalidades clave para desarrolladores de inteligencia artificial y aprendizaje profundo.
Novedades principales en Tinygrad 0.11
Soporte de hardware ampliado
- AMD Instinct MI350: Soporte completo en el runtime de AMD, optimizando la ejecución en esta GPU de alto rendimiento.
- NVIDIA Blackwell: Nueva compatibilidad en el runtime de NVIDIA para aprovechar la arquitectura más reciente de GPUs.
- Driver de espacio de usuario para NVIDIA: Permite evitar el driver del kernel, ofreciendo mayor flexibilidad y control a los desarrolladores.
Compatibilidad y optimizaciones de software
- Soporte ONNX: Facilita la interoperabilidad con otros frameworks de machine learning, ampliando la compatibilidad de modelos.
- Soporte multi-host vía Infiniband: Permite entrenamiento distribuido eficiente en clusters de múltiples máquinas.
- Nuevo optimizador Muon: Mejora la convergencia y rendimiento de entrenamientos complejos.
Otras mejoras
- Continuación del soporte para CPU, OpenCL, WebGPU y dispositivos Qualcomm, consolidando a Tinygrad como un framework ligero y versátil.
- Diversos ajustes de rendimiento y correcciones internas para optimizar la experiencia del desarrollador.
Conclusión
Tinygrad 0.11 refuerza su posición como un framework de aprendizaje profundo ligero, versátil y multiplataforma, ofreciendo soporte ampliado para GPUs modernas de AMD y NVIDIA, optimizaciones de rendimiento, y nuevas herramientas para entrenamiento distribuido y compatibilidad con ONNX.