总结
我们很荣幸于 2024 年 8 月 15 日成功举办了 PyTorch 上海线下聚会。本次活动受到了业界的广泛关注。我们邀请了来自英特尔和华为的资深 PyTorch 开发者作为演讲嘉宾，他们分享了宝贵的经验和最新的技术趋势。此外，本次活动还吸引了来自多家科技公司和知名高校的 PyTorch 爱好者。总计 40 多位参与者齐聚一堂，共同探讨和交流 PyTorch 的最新应用与技术进展。
此次聚会不仅加强了 PyTorch 社区成员之间的联系，也为本地 AI 技术爱好者提供了一个学习、交流和成长的平台。我们期待下一次聚会，继续推动 PyTorch 技术在本地的发展。
1. PyTorch 基金会最新动态
PyTorch 董事会成员 Fred Li 分享了 PyTorch 社区的最新动态。他回顾了 PyTorch 社区的发展历程，详细阐述了社区开发者的成长路径，鼓励大家深入钻研技术，并介绍了即将举办的 2024 PyTorch 年度大会的相关事宜。
2. 英特尔与 PyTorch 之旅：以通用硬件和开放软件实现 AI 民主化
PyTorch CPU 模块维护者 Jiong Gong 分享了英特尔在过去 6 年中对 PyTorch 及其生态系统的技术贡献，探讨了英特尔在通过软件和硬件实现 AI 民主化方面取得的显著进步，确保了 AI 技术的可访问性，并优化了其广泛硬件平台上的性能表现。
3. 探索 PyTorch 生态系统中的多后端支持：以昇腾（Ascend）为例
来自华为的 PyTorch 贡献者华峰春以华为昇腾 NPU 为例，展示了 PyTorch 应用在多后端支持方面的最新成果。他介绍了华为昇腾 NPU 的硬件特性以及 CANN（异构计算架构）的基础设施，并阐述了在原生支持工作中的关键成就与创新。他还分享了当前面临的挑战以及下一步的工作计划。
随后，另一位来自华为的 PyTorch 贡献者吉元浩介绍了 Autoload Device Extension（自动加载设备扩展）提案，解释了其实现细节及在提升 PyTorch 可扩展性方面的价值，并介绍了 PyTorch 中文社区的最新工作进展。
4. 面向 Inductor 的英特尔 XPU 后端
Eikan 是一位来自英特尔的 PyTorch 贡献者，他专注于英特尔 CPU 和 GPU 的 torch.compile 技术栈。本次会议中，Eikan 展示了英特尔在英特尔 GPU 的 torch.compile 方面所做的工作。他介绍了英特尔 GPU 在 PyTorch 中的最新状态，涵盖了功能和性能两个方面。此外，Eikan 还以英特尔 GPU 为例，演示了如何使用 Triton 将新的后端集成到 Inductor 中。
5. PyTorch PrivateUse1 的演进路径与思考
来自华为的 PyTorch 合作者李佳伟介绍了 PyTorch 的调度机制（Dispatch mechanism），并强调了 DispatchKey 的局限性。他以华为昇腾 NPU 为例，分享了 PyTorch PrivateUse1 机制的最佳实践。他提到，在使用 PrivateUse1 机制的同时，华为也向 PyTorch 社区提交了许多针对该机制的改进和修复。他还指出，由于缺乏对树外（out-of-tree）设备的上游 CI 支持，上游代码的变更可能会影响其稳定性和质量，这一见解得到了大家的认同。