Inductor - Post-grad FX Passes PyTorch Developer podcast

Artwork

Tech PyTorch Edward Yang Team PyTorch Deep Learning Machine Learning

Contenu fourni par PyTorch, Edward Yang, and Team PyTorch. Tout le contenu du podcast, y compris les épisodes, les graphiques et les descriptions de podcast, est téléchargé et fourni directement par PyTorch, Edward Yang, and Team PyTorch ou son partenaire de plateforme de podcast. Si vous pensez que quelqu'un utilise votre œuvre protégée sans votre autorisation, vous pouvez suivre le processus décrit ici https://fr.player.fm/legal.

PyTorch Developer Podcast « »
Inductor - Post-grad FX passes

6M ago 24:07

Partager

MP3•Maison d'episode

Contenu fourni par PyTorch, Edward Yang, and Team PyTorch. Tout le contenu du podcast, y compris les épisodes, les graphiques et les descriptions de podcast, est téléchargé et fourni directement par PyTorch, Edward Yang, and Team PyTorch ou son partenaire de plateforme de podcast. Si vous pensez que quelqu'un utilise votre œuvre protégée sans votre autorisation, vous pouvez suivre le processus décrit ici https://fr.player.fm/legal.

The post-grad FX passes in Inductor run after AOTAutograd has functionalized and normalized the input program into separate forward/backward graphs. As such, they generally can assume that the graph in question is functionalized, except for some mutations to inputs at the end of the graph. At the end of post-grad passes, there are special passes that reintroduce mutation into the graph before going into the rest of Inductor lowering which is generally aware of passes. The post-grad FX passes are varied but are typically domain specific passes making local changes to specific parts of the graph.

… continue reading

83 episodes

#Tech #PyTorch #Edward Yang #Team PyTorch #Deep Learning #Machine Learning

Artwork

Inductor - Post-grad FX passes

PyTorch Developer Podcast

33 subscribers

published 6M ago

Partager

MP3•Maison d'episode

Contenu fourni par PyTorch, Edward Yang, and Team PyTorch. Tout le contenu du podcast, y compris les épisodes, les graphiques et les descriptions de podcast, est téléchargé et fourni directement par PyTorch, Edward Yang, and Team PyTorch ou son partenaire de plateforme de podcast. Si vous pensez que quelqu'un utilise votre œuvre protégée sans votre autorisation, vous pouvez suivre le processus décrit ici https://fr.player.fm/legal.

The post-grad FX passes in Inductor run after AOTAutograd has functionalized and normalized the input program into separate forward/backward graphs. As such, they generally can assume that the graph in question is functionalized, except for some mutations to inputs at the end of the graph. At the end of post-grad passes, there are special passes that reintroduce mutation into the graph before going into the rest of Inductor lowering which is generally aware of passes. The post-grad FX passes are varied but are typically domain specific passes making local changes to specific parts of the graph.

… continue reading

83 episodes

#Tech #PyTorch #Edward Yang #Team PyTorch #Deep Learning #Machine Learning

Tous les épisodes

×

Bienvenue sur Lecteur FM!

Lecteur FM recherche sur Internet des podcasts de haute qualité que vous pourrez apprécier dès maintenant. C'est la meilleure application de podcast et fonctionne sur Android, iPhone et le Web. Inscrivez-vous pour synchroniser les abonnements sur tous les appareils.

Écoutez plus de 500 sujets

Guide de référence rapide

Meilleurs podcasts

Les Grandes Gueules du Sport

Super Moscato Show

Sans rendez-vous - Mélanie Gomez

Entendez-vous l'éco ?

Les Grosses Têtes

Le Billet de Sophia Aram

M2 - Mutation numérique

La session de rattrapage, Jean-Luc Lemoine s’amuse de la télé

La Terre au carré

Sur les épaules de Darwin

Affaires sensibles

Hondelatte Raconte - Christophe Hondelatte

L'Heure Du Crime

CERNO L'anti-enquête

Scènes de Crime