Đội ngũ phát triển PyTorch tại Meta vừa chính thức phát hành phiên bản 2.5, đánh dấu một bước tiến quan trọng trong việc hỗ trợ các mô hình AI đa phương thức (multimodal). Trước đây, để xây dựng một mô hình có thể hiểu cả văn bản và hình ảnh, các nhà phát triển phải tự viết nhiều đoạn mã phức tạp để xử lý sự khác biệt về cấu trúc dữ liệu giữa các loại phương tiện này.
Với PyTorch 2.5, các API mới cho phép người dùng dễ dàng kết hợp các tensor (mảng dữ liệu) từ các nguồn khác nhau (text, image, audio) vào một dòng pipeline duy nhất. Hệ thống sẽ tự động xử lý việc căn chỉnh (alignment) và chuyển đổi (conversion) giữa các định dạng dữ liệu, giúp giảm thiểu lỗi và tăng tốc độ phát triển ứng dụng.
Một tính năng nổi bật khác là 'Dynamic Sharding', một cơ chế phân mảnh dữ liệu động trên nhiều thiết bị (GPU/TPU). Điều này cho phép các mô hình AI rất lớn (hàng trăm tỷ tham số) có thể được huấn luyện hoặc suy luận trên các cụm máy tính phân tán mà không cần phải chia nhỏ mô hình thủ công. Theo các thử nghiệm nội bộ của Meta, tính năng này đã giúp giảm thời gian huấn luyện các mô hình ngôn ngữ lớn xuống còn 40% so với trước.
Phiên bản PyTorch 2.5 đã có sẵn trên PyPI và GitHub, và được hỗ trợ đầy đủ trên các hệ điều hành phổ biến như Linux, macOS và Windows. Đây là một tin vui cho cộng đồng nghiên cứu AI toàn cầu, vì PyTorch vẫn là thư viện mã nguồn mở được sử dụng rộng rãi nhất trong nghiên cứu học sâu (deep learning).