PyTorch* 2.6 刚刚发布，带来了一系列令人兴奋的新特性，包括 torch.compile 对 Python 3.13 的兼容性、新的安全性和性能增强，以及 torch.load 默认参数的更改。PyTorch 还宣布其官方 Anaconda 频道已被弃用。
性能特性中有三项增强了英特尔平台上的开发者效率
- 改进的英特尔 GPU 可用性
- 针对 LLM 在 x86 CPU 上的 FlexAttention 优化
- x86 CPU 对 eager 和 Inductor 模式的 FP16 支持
改进的英特尔 GPU 可用性
为了向从事人工智能 (AI) 工作的开发者提供更好的英特尔 GPU 支持，这些 GPU 上的 PyTorch 用户体验得到了增强。此改进包括简化的安装步骤、Windows* 发行版二进制分发，以及对支持的 GPU 型号的扩展覆盖，包括最新的 Intel® Arc™ B 系列独立显卡。
这些新特性有助于促进 PyTorch 生态系统内的加速机器学习工作流程，提供一致的开发者体验和支持。希望在 Intel® Core™ Ultra AI PC 和 Intel® Arc™ 独立显卡上使用 PyTorch 模型进行微调、执行推理和开发的应用程序开发者及研究人员，现在可以直接使用 Windows、Linux* 和适用于 Linux 的 Windows 子系统 2 的二进制版本安装 PyTorch。
新特性包括
- 简化的英特尔 GPU 软件栈设置，支持一键安装 torch-xpu PIP wheels，以便开箱即用地运行深度学习工作负载，从而消除了安装和激活英特尔 GPU 开发软件捆绑包的复杂性。
- torch core、torchvision 和 torchaudio 的 Windows 二进制版本已适用于英特尔 GPU，支持范围从带有 Intel® Arc™ Graphics 的 Intel® Core™ Ultra Series 2 和 Intel® Arc™ A 系列显卡 扩展到最新的 GPU 硬件 Intel® Arc™ B 系列显卡支持。
- 通过带有 SYCL* 内核的英特尔 GPU 进一步增强了 Aten 算子覆盖范围，以实现流畅的 eager 模式执行，同时还修复了英特尔 GPU 上 torch.compile 的错误并进行了性能优化。
在入门指南中了解英特尔® 客户端 GPU 和 英特尔® 数据中心 GPU Max 系列上的新环境设置、PIP wheels 安装和示例。
针对 LLM 在 X86 CPU 上的 FlexAttention 优化
FlexAttention 最早于 PyTorch 2.5 中引入，旨在支持各种 Attention 机制，甚至它们的组合。这个 PyTorch API 利用 torch.compile 生成融合的 FlashAttention 内核，从而消除了额外的内存分配，并实现了与手写实现相当的性能。
以前，FlexAttention 是基于 Triton 后端为 CUDA* 设备实现的。自 PyTorch 2.6 起，通过 TorchInductor CPP 后端添加了对 FlexAttention 的 X86 CPU 支持。这项新特性利用并扩展了当前的 CPP 模板能力，以支持基于现有 FlexAttention API 的各种 Attention 变体（例如对于 LLM 推理至关重要的 PageAttention），并在 x86 CPU 上带来了优化的性能。通过此功能，用户可以轻松使用 FlexAttention API 在 CPU 平台上构建其 Attention 解决方案并获得良好的性能。
通常，FlexAttention 被流行的 LLM 生态系统项目（如 Hugging Face transformers 和 vLLM）在其 LLM 相关建模（例如 PagedAttention）中用于实现更好的开箱即用性能。在官方采用之前，Hugging Face 中的此使能 PR 可以帮助我们了解 FlexAttention 在 x86 CPU 平台上带来的性能优势。
下图显示了 PyTorch 2.6（带有此功能）和 PyTorch 2.5（不带此功能）在典型 Llama 模型上的性能比较。对于实时模式（Batch Size = 1），跨不同输入 token 长度的下一个 token 性能提升约 1.13 倍至 1.42 倍。对于典型 SLA（P99 token 延迟 <=50ms）下的最佳吞吐量，PyTorch 2.6 比 PyTorch 2.5 性能提升超过 7.83 倍，因为 PyTorch 2.6 可以同时运行 8 个输入（Batch Size = 8）并仍保持 SLA，而 PyTorch 2.5 只能运行 1 个输入，这是因为 PyTorch 2.6 中基于 FlexAttention 的 PagedAttention 在多 Batch Size 场景下提供了更高的效率。
图 1. PyTorch 2.6 和 PyTorch 2.5 在典型 Llama 模型上的性能比较
x86 CPU 对 Eager 和 Inductor 模式的 FP16 支持
Float16 是一种常用的缩减浮点类型，可提高神经网络推理和训练的性能。最近发布的 Intel® Xeon® 6 with P-Cores 等 CPU 支持带有原生加速器 AMX 的 Float16 数据类型，这极大地提高了 Float16 的性能。x86 CPU 上的 Float16 支持最初作为原型功能在 PyTorch 2.5 中引入。现在，它在 eager 模式和 Torch.compile + Inductor 模式方面都得到了进一步改进，并已升级到 Beta 级别以供更广泛采用。当模型使用 Float16/Float32 混合精度进行预训练时，这有助于在 CPU 端进行部署，而无需修改模型权重。在支持 AMX Float16 的平台（即带有 P-cores 的 Intel® Xeon® 6 处理器）上，Float16 在典型的 PyTorch 基准测试套件（TorchBench、Hugging Face 和 Timms）中的通过率与 Bfloat16 相同。它也显示出与 16 位数据类型 Bfloat16 相当的良好性能。
总结
在这篇博客中，我们讨论了 PyTorch 2.6 中旨在增强英特尔平台开发者效率的三项特性。这三项特性旨在提高英特尔 GPU 可用性，优化适用于大型语言模型 (LLM) 的 x86 CPU 上的 FlexAttention，以及在 eager 和 Inductor 模式下支持 x86 CPU 上的 FP16。获取 PyTorch 2.6 并亲自尝试，或者您可以在 Intel® Tiber™ AI Cloud 上访问 PyTorch 2.6，利用针对英特尔硬件和软件优化的托管笔记本。
致谢
PyTorch 2.6 的发布是英特尔平台的一个令人兴奋的里程碑，这离不开社区的深入协作和贡献。我们衷心感谢 Alban、Andrey、Bin、Jason、Jerry 和 Nikita 分享宝贵想法、仔细审查 PR 并提供富有洞察力的 RFC 反馈。他们的奉献推动了持续改进，并为英特尔平台推动了生态系统的发展。
参考资料
产品和性能信息
使用 AWS EC2 m7i.metal-48xl 的测量：2 个 Intel® Xeon® Platinum 8488C，开启 HT，开启 Turbo，NUMA 2，可用集成加速器 [已使用]：DLB [8]、DSA [8]、IAA[8]、QAT[CPU 上，8]，总内存 512GB (16x32GB DDR5 4800 MT/s [4400 MT/s])，BIOS Amazon EC2 1.0，微代码 0x2b000603，1 个弹性网络适配器 (ENA)，1 个 Amazon Elastic Block Store 800G，Ubuntu 24.04.1 LTS 6.8.0-1018-aws，由英特尔于 2025 年 1 月 15日测试。
通知和免责声明
性能因用途、配置和其他因素而异。在性能指数网站上了解更多信息。性能结果基于在给定配置下于所示日期的测试，可能无法反映所有公开可用的更新。有关配置详情，请参阅备份。任何产品或组件都不能绝对安全。您的成本和结果可能会有所不同。英特尔技术可能需要启用硬件、软件或服务激活。
英特尔公司。Intel、Intel 徽标和英特尔其他标志是英特尔公司或其子公司的商标。其他名称和品牌可能是其他方的财产。
AI 免责声明
AI 功能可能需要购买软件、订阅或由软件或平台提供商启用，或者可能有特定的配置或兼容性要求。详情请访问 www.intel.com/AIPC。结果可能会有所不同。
