PyTorch 2.15 przynosi znaczące ulepszenia dla Metal Performance Shaders - technologii GPU na urządzeniach Apple. MPS pozwala na przyspieszenie obliczeń naukowych bezpośrednio na Apple Silicon, omijając tradycyjną opcję CUDA dostępną na kartach Nvidia.
Rozwój MPS w nowej wersji PyTorch'a to odpowiedź na rosnącą popularność MacBook'ów z procesorami M-series wśród badaczy i inżynierów AI. Wcześniej trenowanie większych modeli na sprzęcie Apple było mało praktyczne - brakło pełnego wsparcia dla wielu operacji tensorowych. PyTorch 2.15 rozszerza kompatybilność, obsługując więcej typów operacji i oferując lepszą optymalizację.
To ma wpływ zarówno na ekosystem open source'owy, jak i na praktyczne możliwości pracy z modelami na MacBook'ach. Deweloperzy mogą teraz łatwiej eksperymentować z modelami bezpośrednio na własnym sprzęcie, bez konieczności korzystania z chmurowych GPU. Ulepszenia MPS w PyTorch 2.15 sprawiają, że Apple Silicon staje się coraz bardziej realną alternatywą dla trenowania i fine-tuningu modeli.