PyTorch описала интеграцию ускорителя IBM Spyre как нативного устройства
PyTorch Foundation представила устройство Spyre через интерфейс torch-spyre: тензоры, потоки, события и компилируемые программы связываются с runtime и прошивкой ускорителя IBM.
PyTorch Foundation опубликовала техническое описание интеграции IBM Spyre с PyTorch. Spyre — ускоритель обработки данных, ориентированный на инференс; по описанию авторов, его подключают к фреймворку через слой torch-spyre, который связывает стандартные абстракции PyTorch с runtime и firmware устройства.
Интеграция охватывает идентификатор устройства, хранение тензоров, распределение памяти, потоки и события. Благодаря регистрации PrivateUse1 разработчики получают имя устройства spyre, а вызов tensor.to("spyre") направляет операции на соответствующий бэкенд. Очереди сохраняют порядок выполнения внутри потока, а события позволяют согласовать вычисления и перенос данных между потоками.
Отдельно PyTorch Foundation описывает путь компиляции. Графы FX остаются в цепочке компилятора Inductor, после чего подготовленная программа запускается как набор типизированных операций в упорядоченных очередях. Такой подход должен дать общий путь для обычного и скомпилированного выполнения и сократить накладные расходы запуска — это формулировка из технического описания, а не независимый результат тестирования.
Материал опубликован 8 октября 2026 года и сфокусирован на том, как привычные для PyTorch механизмы сопоставляются с ограничениями dataflow-ускорителя.
Почему это важно
Разработчикам не требуется обращаться к карте напрямую: интеграция показывает, как использовать знакомые механизмы PyTorch для размещения тензоров, синхронизации и запуска инференса на Spyre.