بنیاد UXL (UXL Foundation) اعلام کرد نسخه 3.14 کتابخانه oneDNN به‌عنوان جدیدترین به‌روزرسانی قابلیت‌محور (Feature Update) این کتابخانه منتشر شده است. oneDNN عملیات بهینه‌شده یادگیری عمیق (Deep Learning) را برای نرم‌افزارهایی مانند PyTorch، TensorFlow و OpenVINO فراهم می‌کند.
همکاری اینتل و AMD در oneDNN
oneDNN در ابتدا پروژه نرم‌افزاری اینتل بود. این نسخه از آن جهت قابل توجه است که بهینه‌سازی‌های پردازنده‌های AMD Zen برای نخستین بار به بدنه اصلی oneDNN (Upstream) راه یافته‌اند. AMD مدت‌ها شاخه اختصاصی خود با نام ZenDNN را نگهداری می‌کرد و اکنون مشارکت در oneDNN upstream را آغاز کرده است.
بهبود عملکرد روی پردازنده‌های AMD Zen
در oneDNN 3.14 عملکرد ابتداهای (Primitives) MATMUL و inner-product روی پردازنده‌های مبتنی بر AMD Zen بهتر شده است. این بهینه‌سازی‌ها اختیاری (Opt-in) هستند و برای فعال‌سازی باید oneDNN با گزینه ساخت CMake با نام ONEDNN_X64_USE_ZEN=ON کامپایل شود. این کار دست‌کم در حال حاضر به کد ZenDNN داخل درخت oneDNN نیاز دارد. کاربران باید این کد را دستی فراهم کنند یا از گزینه ONEDNN_ZENDNN_FETCH=ON برای تلاش جهت دانلود خودکار ZenDNN در فرایند ساخت oneDNN استفاده کنند.
پشتیبانی اولیه از دستورات ACE
نسخه 3.14 همچنین از این جهت حائز اهمیت است که پشتیبانی اولیه از دستورات افزونه محاسبات هوش مصنوعی (AI Compute Extensions - ACE) را ارائه می‌کند؛ دستوراتی که قرار است در پردازنده‌های آینده AMD و Intel پشتیبانی شوند.
بهبود عملکرد برای پردازنده‌های آینده اینتل
این انتشار عملکرد پردازنده‌های آینده Xeon Diamond Rapids را با AVX10.2 و AMX بهبود می‌دهد. بهینه‌سازی‌های متنوع دیگری نیز برای Diamond Rapids در این نسخه وجود دارد.
بهبودهای سمت GPU
در بخش پردازنده گرافیکی (GPU)، oneDNN 3.14 عملکرد GPUهای آینده Intel D-Series (Crescent Island) را بهبود داده و همچنین عملکرد Xe3P-LPG با پردازنده‌های Nova Lake P را ارتقا می‌دهد.
جزئیات بیشتر و دانلود از طریق GitHub در دسترس است.