Немає конкретних відомих проблем, безпосередньо пов'язаних із використанням Pytorch/XLA на Python 3.10. Однак деякі загальні питання та міркування з Pytorch/XLA можуть бути актуальними:
1. Сумісність встановлення: Хоча Pytorch/XLA підтримує версії Python до 3.11, не існує конкретних проблем для Python 3.10. Однак забезпечення сумісності з останніми версіями Pytorch та іншими залежностями має вирішальне значення [3] [5].
2. Проблеми з призначенням пристрою: У Pytorch/XLA 2.5, використовуючи еліпсис (`...`) з операціями Tensor може призвести до неправильного призначення пристрою, що спричиняє помилки виконання. Вирішення полягає у тому, щоб уникнути використання еліпсису і натомість чітко вказувати розміри [2].
3. Застереження продуктивності: Pytorch/XLA може зазнати деградації продуктивності через часті рекомляції, коли тензорні форми змінюються. Підтримка постійних форм та обчислень на пристроях може допомогти пом'якшити це [6].
. Уникнення операцій, таких як `item ()` Якщо це необхідно, може допомогти [6].
Загалом, хоча для Python 3.10 немає конкретних проблем, загальні міркування Pytorch/XLA слід пам’ятати, щоб забезпечити безперебійну роботу.
Цитати:[1] https://discuss.pytorch.org/t/can-not-import-torch-xla-on-on-google colab-without-tpu/174758
[2] https://awsdocs-neuron.readthedocs-hosted.com/en/latest/general/appnotes/torch-neuronx/introducing-pytorch-2-x.html
[3] https://stackoverflow.com/questions/79314991/why-am-e-getting-no-matching-distributionfound-for-torch-xla-2-5-0-hen-inst
[4] https://awsdocs-neuron.readthedocs-hosted.com/en/latest/release-notes/torch/torch-neuronx/index.html
[5] https://github.com/pytorch/xla/issues/3662
[6] https://pytorch.org/xla/release/r2.5/debug.html
[7] https://github.com/googlecolab/colabtools/issues/3481
[8] https://pytorch.org/xla/