Intel oneDNN 3.6 melhora desempenho no Granite Rapids e otimiza Xe2

A Intel lançou a versão 3.6 da oneAPI Deep Neural Network Library (oneDNN), uma biblioteca fundamental para softwares de aprendizado profundo, como ONNX Runtime, OpenVINO, Apache MXNet e Apache SIGNA. O oneDNN também é utilizado opcionalmente por PyTorch e TensorFlow, com as extensões da Intel, proporcionando maior desempenho para diversas plataformas de hardware, incluindo processadores e GPUs da própria Intel, além de outros fornecedores, como AMD e NVIDIA.

Suporte expandido e otimizações diversas

A versão 3.6 do oneDNN aprimora o suporte não apenas para os processadores e GPUs da Intel, mas também expande sua compatibilidade com outras arquiteturas de CPU e GPU. Integrado à Unified Acceleration Foundation (UXL), o projeto tem trabalhado para otimizar o suporte a processadores Arm e POWER, além de ampliar o desempenho em GPUs da AMD e NVIDIA.

Esta nova versão traz melhorias significativas para os processadores Intel Xeon, como a quarta geração Sapphire Rapids e os recém-lançados Xeon 6 Granite Rapids. Essas otimizações afetam diversas operações comuns no aprendizado de máquina, como normalização em grupo, multiplicação de matrizes (matmul) e redes neurais recorrentes (RNNs). Essas operações são fundamentais no treinamento de redes neurais, permitindo que computadores “aprendam” a partir de grandes conjuntos de dados, o que melhora o desempenho de aplicações como reconhecimento de voz e processamento de imagens.

Melhorias no suporte a GPUs Intel e otimizações para Xe2

O desempenho das GPUs Intel também foi melhorado. A série Intel Data Center GPU Max, anteriormente conhecida como Ponte Vecchio, agora apresenta ganhos significativos de desempenho, além de suporte inicial para gráficos baseados na arquitetura Xe2, que será integrada a futuros processadores como os Core Ultra da família Lunar Lake e as GPUs Battlemage. Essas melhorias garantem que os sistemas sejam mais eficientes ao executar tarefas de inteligência artificial e processamento gráfico.

Além disso, foram introduzidas otimizações específicas para o hardware Arrow Lake H, e para operações usadas em modelos de linguagem (LLMs), como multiplicação de matrizes e produtos internos. Isso é essencial para o treinamento de modelos que lidam com grandes volumes de texto, como assistentes de voz ou sistemas de tradução automática.

Suporte expandido para processadores AArch64 e outras plataformas

A arquitetura AArch64, utilizada em processadores como os encontrados em dispositivos móveis e servidores, também recebeu melhorias importantes. As operações de convolução e multiplicação de matrizes, que são usadas para processar dados em aplicações como reconhecimento de imagem, foram otimizadas, aumentando o desempenho em dispositivos com suporte à extensão SVE. Isso significa que, em hardware compatível, o processamento de IA será mais rápido e eficiente.