PyTorch corrige des calculs sur MPS et CUDA

OOndine

PyTorch 2.14.1 est une mise à jour corrective pour les personnes qui utilisent ses fonctions d’algèbre linéaire afin de résoudre des systèmes ou de calculer des valeurs singulières. La sortie corrige plusieurs erreurs susceptibles de fausser les résultats, comme l’indique GitHub. Sur MPS, certaines résolutions de systèmes complexes sous-déterminés pouvaient donner des solutions incorrectes. Les calculs de décomposition en valeurs singulières pouvaient aussi produire des résultats imprécis, notamment avec des matrices mal conditionnées ou de rang déficient. Ces corrections visent les calculs de ces fonctions sur MPS. La mise à jour répare également des échecs de calcul sur MPS lorsque les entrées dépassent 8 192 éléments. Elle corrige enfin une assertion interne liée à une autre fonction de décomposition, pour des entrées complexes. Le changement touche aussi les installations Linux qui utilisent CUDA 13.2. Leurs binaires passent à CUDA 13.2.2. Cette mise à jour de NVIDIA corrige deux défauts pouvant altérer les résultats. Dans certaines multiplications de matrices au format NVFP4, cuBLAS pouvait ignorer le facteur d’échelle. Et certains noyaux compilés pouvaient réutiliser des valeurs de registre obsolètes ou corrompues. Cette mise à jour concerne concrètement les utilisateurs de MPS confrontés à ces erreurs d’algèbre linéaire, ainsi que les utilisateurs des binaires Linux de PyTorch avec CUDA 13.2. Le correctif vise ces configurations précises : il ne signifie pas que toutes les installations ou tous les calculs sont concernés. Pour les utilisateurs de MPS, les fonctions corrigées portent sur l’algèbre linéaire. Pour CUDA, le bénéfice annoncé dépend de l’utilisation des binaires Linux concernés et des opérations touchées par ces défauts. PyTorch publie ainsi des corrections ciblées, plutôt qu’un changement général des méthodes de calcul.