La comunidad de desarrollo y la investigación en inteligencia artificial celebra un avance significativo con el lanzamiento de versiones nativas de PyTorch para Windows en arquitectura Arm. Hasta el momento, los usuarios de Windows Arm64 debían enfrentarse a la complicada tarea de compilar PyTorch de forma local para poder utilizar este popular marco de trabajo. Sin embargo, con la nueva versión 2.7 de PyTorch, esa complejidad ha quedado atrás. Ahora, los desarrolladores pueden acceder a versiones optimizadas para Python 3.12, lo que les permite sacar el máximo provecho del rendimiento de la arquitectura Arm64 en dispositivos Windows, incluyendo los PCs Copilot+.
Este avance trae consigo la posibilidad de desarrollar, entrenar y probar modelos de aprendizaje automático de pequeña escala directamente desde los PCs con arquitectura Arm. Esto resulta especialmente relevante en campos que abarcan desde la clasificación de imágenes hasta el procesamiento de lenguaje natural y la inteligencia artificial generativa, que incluye aplicaciones innovadoras como Stable Diffusion.
Para aquellos desarrolladores que deseen aprovechar al máximo estas nuevas versiones, se recomienda la instalación de herramientas adicionales como MSVC y Rust para resolver eventuales dependencias que puedan faltar. Además, es fundamental seleccionar las herramientas de compilación C++ ARM64 de Visual Studio 2022 durante el proceso de instalación.
La instalación de la versión estable de PyTorch (2.7.0) se puede realizar con un sencillo comando en la terminal: «pip install –extra-index-url https://download.pytorch.org/whl torch». Para aquellos interesados en explorar la versión preliminar (Nightly), existe un comando específico que facilita la transición hacia las nuevas características en desarrollo.
Como ejemplo práctico del potencial de estas nuevas versiones, se presenta el modelo de difusión estable «stabilityai/sd-turbo», que permite generar imágenes a partir de descripciones textuales. Este modelo ofrece controles sobre los pasos de inferencia y valores semilla, garantizando la reproducibilidad de las salidas generadas.
No obstante, se debe tener en cuenta que algunos paquetes complementarios que podrían interesar a los desarrolladores aún carecen de soporte nativo para Windows en arquitectura Arm. La instalación de estos paquetes puede hacerse mediante la compilación de código fuente, utilizando herramientas como MSVC y Rust para completar el proceso.
En conclusión, el lanzamiento de estas versiones nativas de PyTorch para Windows representa una nueva era para los desarrolladores, ofreciendo oportunidades para explorar y maximizar la arquitectura Arm en sus proyectos de inteligencia artificial. Se invita a los desarrolladores a descargar y probar estas versiones para impulsar sus innovaciones en el campo.
