نسخة Markdown

AI-translated from English; not yet reviewed by a fluent editor.

# TorchNeuron من AWS يجلب واجهة خلفية أصلية لـ PyTorch إلى Trainium

> يقدم إصدار Neuron 2.33 من AWS واجهة خلفية لـ PyTorch في نسخة تجريبية عامة على Trainium2 وTrainium3. وتحدد الإصدارات المدعومة وتغطية العمليات وقيود التجميع ما يحتاج المهندسون إلى التحقق منه أثناء التقييم.

By BIG CHANGE Editorial

Published: 2026-10-20T04:20:56.038Z
Updated: 2026-10-20T04:20:56.038Z
Canonical: https://bigchange.ai/blog/aws-torchneuron-native-pytorch-backend-trainium

![Conceptual charcoal illustration of a code-marked monitor beside an open rack drawer containing an unbranded accelerator board.](https://bigchange.ai/api/media/file/torchneuron-native-device-trainium-hero-v1.png)
AI-generated conceptual illustration by BIG CHANGE.

تحدد [ملاحظات إصدار](https://awsdocs-neuron.readthedocs-hosted.com/en/latest/release-notes/components/torchneuron.html) Neuron 2.33 من AWS تاريخ النسخة التجريبية العامة من TorchNeuron في 19 أكتوبر. ويقول [إعلان PyTorch](https://pytorch.org/blog/introducing-torchneuron-native-pytorch-backend-for-aws-trainium/)، المؤرخ أيضًا في 19 أكتوبر، إن النسخة التجريبية العامة والإصدار المفتوح المصدر يصبحان متاحين في 20 أكتوبر. وتُسجّل حزمة `torch-neuronx` جهازًا باسم `neuron` في PyTorch من أجل Trainium2 وTrainium3، ما يتيح لعمليات النماذج والموترات المدعومة استخدام واجهات PyTorch المألوفة. وللمهندسين الذين يدرسون استخدام هذه الرقائق، يتمثل التغيير المفيد في تقصير المسار من برنامج PyTorch قائم إلى تجربة على مستوى الجهاز. أما عمل البرنامج بصورة صحيحة وكفؤة فما زال يعتمد على عملياته وأشكال موتراته وبيئته البرمجية.

كان المسار السابق لـ PyTorch على Trainium يستخدم مكتبة `torch-neuronx` المبنية على XLA وشيفرة الأجهزة في `torch_xla`. وتقول AWS إن الواجهة الخلفية الأصلية تستخدم امتداد `PrivateUse1` في PyTorch وتستبدل `xm.xla_device()` بوضع البيانات والنماذج على جهاز `neuron`. وهذا تغيير جوهري في الواجهة للمشاريع التي تستخدم Neuron بالفعل، حتى لو ظل اسم الحزمة مألوفًا. وينطبق الإصدار على التدريب والاستدلال على مثيلات Trn2 وTrn3؛ ولا يدرج جدول الدعم Trn1.

## ما الذي يتغير في برنامج PyTorch

تُظهر [ملاحظات إصدار AWS](https://awsdocs-neuron.readthedocs-hosted.com/en/latest/release-notes/components/torchneuron.html) نموذجًا يُنقل باستخدام `.to("neuron")` وموتر إدخال يُنشأ على `device="neuron"`. ثم تعمل العمليات المدعومة من `torch.nn` وautograd وأدوات التحسين عبر الواجهة الخلفية. ويمكن للشيفرة المكتوبة باستخدام واجهة `torch.accelerator` في PyTorch، المستقلة عن الجهاز، اكتشاف Neuron دون إعادة كتابة خاصة بالجهاز، وفقًا لما تذكره [نظرة عامة على TorchNeuron](https://awsdocs-neuron.readthedocs-hosted.com/en/latest/torch/about-pytorch-neuron.html).

هناك مساران للتنفيذ. ينفذ النمط eager عمليات PyTorch عندما تستدعيها Python، مع الإبقاء على تدفق التحكم المعتاد ومخرجات الطباعة ونقاط التوقف. وتُجمّع كل عملية عند استخدامها أول مرة، ويمكن للاستدعاءات اللاحقة المطابقة استخدام نسخة مخزنة مؤقتًا. ويمكن للمهندسين أيضًا تجميع نموذج أو منطقة محددة باستخدام `torch.compile(model, backend="neuron", dynamic=False)`. وتُجمّع الواجهة الخلفية الأصلية الرسوم البيانية المدعومة للتمرير الأمامي والخلفي؛ وتستمر الشيفرة خارج المنطقة الملتقطة في النمط eager. ويشرح [إعلان PyTorch](https://pytorch.org/blog/introducing-torchneuron-native-pytorch-backend-for-aws-trainium/) أيضًا ضبط `torch.compiler.set_default_backend("neuron")` مرة واحدة قبل التجميع، حتى تتمكن استدعاءات التجميع اللاحقة من حذف وسيط الواجهة الخلفية.

يتضمن الإصدار واجهة خلفية باسم `neuron` لـ `torch.distributed`، مع عمليات جماعية ومن نقطة إلى نقطة موثقة. وتدرج AWS كلًا من DistributedDataParallel وFSDP2 وDTensor وDeviceMesh والتوازي بأسلوب خط الأنابيب ضمن واجهات البرمجة المدعومة. وهذه مسارات مفيدة للفحص في مشروع تدريب موزع، لكن ملاحظات الإصدار لا تثبت أن مهمة قائمة تعمل على عدة عقد ستعمل دون تعديل أو تحقق هدفًا محددًا لمعدل المعالجة.

## يبدأ التقييم ببيئة متوافقة

يتطلب [دليل التثبيت السريع](https://awsdocs-neuron.readthedocs-hosted.com/en/latest/torch/get-started/quickstart-torch-neuron.html) من AWS مثيل Trn2 أو Trn3، وإما Neuron Base DLAMI أو صورة Ubuntu AMI مدعومة. ويحدد جدول الإصدار Linux x86\_64 على Ubuntu 24.04 أو 26.04. وانتهى دعم Ubuntu 22.04 لهذا الإصدار. ويدرج Python 3.12 و3.13 و3.14، مع `torch-neuronx` 2.13.3.0 من أجل PyTorch 2.13.0 أو `torch-neuronx` 2.14.3.0 من أجل PyTorch 2.14.0. ويجب أن تتطابق عائلة الحزمة مع إصدار PyTorch.

يثبّت الدليل السريع `torch-neuronx==2.14.*` إلى جانب `neuronx-cc==2.*` و `nki` من فهارس حزم Neuron وPyTorch. ثم يفحص توفر الجهاز ويقارن عملية مصفوفية صغيرة على Neuron بنتيجة على CPU. وهذا يتحقق من مسار الجهاز المثبت في مثال AWS. ولا يصادق على نموذج القارئ. ومن المعقول في التقييم التالي تشغيل مساري التمرير الأمامي والخلفي للنموذج الفعلي، وفحص عمليات الرجوع إلى CPU المسجلة باستخدام `torch_neuronx.get_fallback_ops()`، ومقارنة المخرجات بالبيئة الحالية، وقياس التجميع وعمليات التشغيل في الحالة المستقرة كلًا على حدة. وهذه الخطوات الأخيرة أسئلة تقييم يقترحها BIG CHANGE، وليست اختبارات أجريناها.

## أين يمكن للنسخة التجريبية أن تظل مؤثرة في العمل

في النمط eager، قد تعود عملية غير مدعومة إلى CPU وتصدر تحذيرًا. أما مع `torch.compile`، فإن العملية الملتقطة داخل رسم بياني التي لا تستطيع واجهة Neuron الخلفية تحويلها إلى تمثيل أدنى تؤدي افتراضيًا إلى فشل التجميع. وتحيل AWS المطورين إلى [جدول توافق العمليات](https://github.com/aws-neuron/torch-neuronx/blob/main/docs/torch_api_compatibility.md) لمعرفة التغطية لكل عملية. لذلك، فإن اكتمال تشغيل في النمط eager لا يثبت وحده أن التنفيذ بالكامل جرى على الجهاز، ولا أنه متوافق مع التنفيذ المجمّع.

ويقول الإصدار أيضًا إن `torch.compile` يتطلب `dynamic=False`؛ فقد يحتاج شكل إدخال جديد إلى تجميع آخر. وتقترح AWS الحشو أو التجميع في حاويات بحسب الأشكال لتقليل اختلافها. ويشمل التشغيل الأول التجميع عندما لا يكون هناك ملف ناتج مطابق مخزن مؤقتًا. وتهم هذه التفاصيل عند قياس زمن عبء العمل: إذ يمكن لزمن تأخر التجميع ونمط أشكال الإدخال أن يغيرا نتيجة التقييم.

وتحد قيود صريحة أخرى من نطاق التوافق المعلن. فالنسخة التجريبية لا تدعم `torch.sparse` أو `torch.func` أو `torch.nested` أو `torch.distributions`. ولا تعمل على Neuron إلا بعض تحويلات `torch.fft`، ويُنفّذ `float64` على هيئة `float32` مع تحذير. ولا يتضمن هذا الإصدار تكامل TorchAO أو دعم نوع البيانات المركب MXFP8. ويحتاج الفريق الذي يستخدم هذه الإمكانات إلى فحص مسار شيفرته قبل اعتبار وضع البيانات والنماذج على الجهاز خطةً للانتقال.

### التغيير الكبير

يضع TorchNeuron منصة Trainium خلف واجهات PyTorch الأصلية للأجهزة والتجميع ضمن نسخة تجريبية عامة. وهذا يجعل التجربة الأولى أكثر مباشرة لبرامج PyTorch المدعومة، ويمنح مستخدمي Neuron الحاليين مسارًا مختلفًا عن شيفرتهم المبنية على XLA. وستأتي الأدلة الحاسمة للاعتماد من كل عبء عمل: هل تظل عملياته على الجهاز المقصود، وهل تبقى نتائجه العددية مقبولة، وهل يبرر الأداء والتكلفة المقاسان المثيلَ وجهد الانتقال؟ راجع BIG CHANGE الوثائق والإعلانات من أجل هذا التحليل؛ ولم نشغّل TorchNeuron أو نتحقق بصورة مستقلة من ادعاءات AWS المتعلقة بالأداء.

## المصادر وقراءات إضافية

- [ملاحظات إصدار TorchNeuron في AWS Neuron 2.33](https://awsdocs-neuron.readthedocs-hosted.com/en/latest/release-notes/components/torchneuron.html): تاريخ الإصدار، وحالة النسخة التجريبية، وجدول الإصدارات وأنظمة التشغيل، وواجهات البرمجة والقيود المعروفة.
- [نظرة AWS العامة على TorchNeuron](https://awsdocs-neuron.readthedocs-hosted.com/en/latest/torch/about-pytorch-neuron.html): تكامل الجهاز، والتنفيذ بنمط eager والتنفيذ المجمّع، وسلوك الرجوع إلى CPU، والمسار البرمجي عبر Neuron.
- [دليل AWS السريع للتثبيت والتحقق](https://awsdocs-neuron.readthedocs-hosted.com/en/latest/torch/get-started/quickstart-torch-neuron.html): متطلبات المثيل والصورة، وتثبيت الحزم، وفحص الجهاز الموثق.
- [مدونة PyTorch: تقديم TorchNeuron](https://pytorch.org/blog/introducing-torchneuron-native-pytorch-backend-for-aws-trainium/): شرح من جهة PyTorch لتبديل الجهاز والتجميع وواجهات البرمجة الموزعة. والمقال إعلان كتبه مساهمون من AWS على مدونة PyTorch، وليس اختبار أداء مرجعيًا مستقلًا.
- [إعلان Amazon](https://www.aboutamazon.com/news/innovation-at-amazon/torchneuron-pytorch-aws-trainium-chips-ai): رواية AWS لأهدافها وأوائل المستخدمين. وتتطلب ادعاءات الانتقال والأداء والجدوى الاقتصادية تحققًا خاصًا بكل عبء عمل.

## Sources

- [ملاحظات إصدار AWS Neuron: TorchNeuron](https://awsdocs-neuron.readthedocs-hosted.com/en/latest/release-notes/components/torchneuron.html) — مصدر أولي؛ يؤرخ النسخة التجريبية العامة في 2026-10-19، قبل يوم من موعد إطلاق النسخة التجريبية العامة والمفتوحة المصدر الوارد في إعلان PyTorch؛ ويتضمن جدول الإصدارات والقيود المعلنة.
- [ما هو TorchNeuron؟](https://awsdocs-neuron.readthedocs-hosted.com/en/latest/torch/about-pytorch-neuron.html) — وثائق أولية لاستخدام الجهاز والواجهة الخلفية.
- [مدونة PyTorch: TorchNeuron، واجهة PyTorch الخلفية الأصلية لـ AWS Trainium](https://pytorch.org/blog/introducing-torchneuron-native-pytorch-backend-for-aws-trainium/) — إعلان من جهة PyTorch كتبه مساهمون من AWS؛ مؤرخ في 19 أكتوبر ويقول إن النسخة التجريبية العامة والمفتوحة المصدر تتاح في 20 أكتوبر. تم الوصول إلى الرابط الحالي عبر مقال Amazon؛ وليس تحققًا مستقلًا من الأداء.
- [إعلان Amazon](https://www.aboutamazon.com/news/innovation-at-amazon/torchneuron-pytorch-aws-trainium-chips-ai) — إعلان من المورّد؛ ادعاءات الانتقال والجدوى الاقتصادية تصريحات من AWS وليست متحققة بصورة مستقلة.
- [تثبيت torch-neuronx والتحقق منه](https://awsdocs-neuron.readthedocs-hosted.com/en/latest/torch/get-started/quickstart-torch-neuron.html) — دليل AWS السريع للمتطلبات السابقة، وتثبيت الحزم المتطابقة، وفحص CPU/Neuron الموثق للجهاز.
- [جدول توافق واجهة برمجة TorchNeuron](https://github.com/aws-neuron/torch-neuronx/blob/main/docs/torch_api_compatibility.md) — تصنيفات الجهة المشرفة على كل API: تنفيذ أصلي، أو رجوع إلى CPU، أو غير مدعوم.