← Alle KI-News
Aionity · KI-NewsTools & Produkte

PyTorch verbindet Hardware-Backends enger mit seiner CI

Die Accelerator Integration Working Group hat für das erste Halbjahr 2026 Fortschritte bei Tests, CI und Referenz-Backends vorgestellt. Ein neues Verfahren soll Downstream-Projekte automatisch in Prüfungen zu Änderungen am PyTorch-Kern einbeziehen.

Symbolbild: PyTorch verbindet Hardware-Backends enger mit seiner CI
Symbolbild · KI-generiert

Die Arbeitsgruppe bündelt Beiträge aus der PyTorch-Community, um die Integration unterschiedlicher Hardware in das Framework zu vereinheitlichen. Für H1 2026 nennt sie unter anderem überarbeitete Testsuiten, Profiling-Unterstützung für Backends auf Basis von PrivateUse1, Fortschritte bei OpenReg als Referenz-Backend sowie Arbeiten an verteilten Funktionen und Compiler-Backends. Auch die CI-Infrastruktur und die Sichtbarkeit ihrer Ergebnisse wurden weiterentwickelt.

Eine zentrale Neuerung ist Cross-Repository CI Relay (CRCR). Wird in pytorch/pytorch ein Pull Request eröffnet oder ein Commit eingespielt, löst ein Webhook parallel Prüfungen in registrierten Downstream-Repositories aus. Diese führen ihre eigenen CI-Workflows aus und übermitteln den Status über einen authentifizierten Rückkanal. Dafür kommt ein GitHub-OIDC-Token zum Einsatz, das die Identität des aufrufenden Repositorys bestätigt. Die Ergebnisse erscheinen im PyTorch CI HUD unter hud.pytorch.org/crcr.

CRCR sieht vier Teilnahme-Stufen von L1 bis L4 vor. Projekte können zunächst Benachrichtigungen erhalten und später Ergebnisse im Dashboard melden; höhere Stufen ermöglichen nicht blockierende und schließlich blockierende Prüfungen für PyTorch-Pull-Requests. PyTorch beschreibt außerdem fünf Schutzmechanismen: Identitätsprüfung per OIDC, eine Zulassungsliste, Begrenzung der Anfragerate, Zustandsprüfungen und eine Trennung zwischen vertrauenswürdigen und selbst gemeldeten Daten. Selbst ein kompromittiertes Downstream-Projekt soll dadurch nur seinen eigenen angezeigten CI-Status beeinflussen können, nicht die PyTorch-Build-Infrastruktur oder Merge-Entscheidungen.

Für die Backend-Validierung verweist die Arbeitsgruppe auf PyTorchs Testsuite mit mehr als 600.000 Testfällen zu Operatoren, Autograd, Profiling und verteiltem Training. Viele Tests seien bisher auf bestimmte Beschleuniger zugeschnitten gewesen; die Gruppe arbeitet laut ihrem Beitrag daran, Tests breiter über Backends hinweg wiederverwendbar zu machen. Zum CRCR-Onboarding sind ein Eintrag in der Zulassungsliste und eine schlanke Workflow-Datei nötig. Als weitere Arbeitsfelder nennt die Gruppe gemeinsame Testabläufe und den Ausbau von OpenReg als Referenz-Backend.

War der Artikel hilfreich?

💡 Tipp: Wenn du ein Downstream-Repository für PyTorch betreust, kannst du CRCR über einen Eintrag in der Zulassungsliste und eine Workflow-Datei anbinden, damit dessen CI auf Änderungen im PyTorch-Kern reagiert.

Frag Aiory dazu Aiory liest den Artikel und beantwortet deine Fragen dazu.

Quellen

  • PyTorchPrimärquelleInhalt der PyTorch Foundation, CC BY 4.0, zusammengefasst und übersetzt.

KI-erstellter Artikel: Die Aionity-KI hat recherchiert – sie sucht die Originalquelle (etwa die Seite des Herstellers), zieht weitere Berichte hinzu und schreibt daraus einen eigenen Text. Alle Quellen stehen oben. Eine eigene Meinung gibt sie nicht ab. Kennzeichnung nach Art. 50 KI-Verordnung. Fehler? Sag uns im Discord Bescheid.

← Alle KI-News

Fragen? Einfach mitreden – im Discord.

Discord ist ein kostenloser Gruppenchat. Dort kannst du nachfragen, was eine Meldung bedeutet, eigene Fragen stellen und dich mit anderen austauschen – ganz ohne Vorwissen. Wir fangen gerade erst an: Schau gern vorbei und sag Hallo.