Azərbaycanca AzərbaycancaБеларускі БеларускіDansk DanskDeutsch DeutschEspañola EspañolaFrançais FrançaisIndonesia IndonesiaItaliana Italiana日本語 日本語Қазақ ҚазақLietuvos LietuvosNederlands NederlandsPortuguês PortuguêsРусский Русскийසිංහල සිංහලแบบไทย แบบไทยTürkçe TürkçeУкраїнська Українська中國人 中國人United State United StateAfrikaans Afrikaans
Підтримка
www.wikidata.uk-ua.nina.az

PyTorch відкрита бібліотека машинного навчання на основі бібліотеки Torch що застосовується для задач комп ютерного баче

Pytorch

Pytorch

PyTorch — відкрита бібліотека машинного навчання на основі бібліотеки Torch, що застосовується для задач комп'ютерного бачення та обробки природної мови. Розробляє її переважно група дослідження штучного інтелекту компанії Facebook. Вона є вільним та відкритим програмним забезпеченням, що випускають під ліцензією Modified BSD. І хоча інтерфейс Python є більш відшліфованим, і головним зосередженням розробки, PyTorch також має зовнішній інтерфейс і для C++. Крім того, програмне забезпечення [en] Pyro компанії Uber використовує PyTorch як внутрішній інтерфейс.

PyTorch
image
ТипБібліотека для машинного навчання та глибокого навчання
АвторAdam Paszke, Sam Gross, Soumith Chintala, Gregory Chanan
Перший випускжовтень 2016; 7 років тому (2016-10)
ПлатформаIA-32, x86-64
Операційна системаLinux, macOS і Windows
Мова програмування, Python, C і CUDA
Доступні мовианглійська
ЛіцензіяBSD
Онлайн-документаціяpytorch.org/docs/stable/index.html
Репозиторійgithub.com/pytorch/pytorch
Вебсайтpytorch.org

PyTorch забезпечує дві високорівневі функціональності:

Історія

Facebook використовував як PyTorch, так і Convolutional Architecture for Fast Feature Embedding (Caffe2), але моделі, визначені цими двома системами, були взаємно несумісними. Для перетворювання моделей між системами компаніями Facebook та Microsoft у вересні 2017 року було створено проєкт Open Neural Network Exchange (ONNX). Наприкінці березня 2018 року Caffe2 було влито до PyTorch.

Тензори PyTorch

Тензори, хоч вони й з математики, в програмуванні відрізняються, тут їх можливо розглядати як багатовимірні масиви. Тензори в PyTorch є подібними до масивів NumPy, але ними також можливо оперувати на ГП Nvidia з підтримкою CUDA. PyTorch підтримує різні типи тензорів.

Модулі

Модуль autograd

PyTorch використовує метод, званий автоматичним диференціюванням. Записувач записує, які дії було виконано, а потім програє їх назад, щоби обчислити градієнти. Цей метод є особливо потужним при будуванні нейронних мереж, щоби заощаджувати час на одній епосі, обчислюючи диференціювання параметрів на прямому проході.

Модуль optim

torch.optim — це модуль, що втілює різноманітні алгоритми оптимізації, які використовують для будування нейронних мереж. Більшість широко вживаних методів вже підтримувано, тож потреби будувати їх з нуля немає.

Модуль nn

autograd PyTorch дозволяє легко визначати обчислювальні графи та брати градієнти, але autograd в чистому вигляді може бути дещо занадто низькорівневим для визначення складних нейронних мереж. Саме тут може допомагати модуль nn.

Див. також

Примітки

  1. https://github.com/pytorch/pytorch/releases
  2. Yegulalp, Serdar (19 січня 2017). . InfoWorld. Архів оригіналу за 12 липня 2018. Процитовано 11 грудня 2017. (англ.)
  3. Lorica, Ben (3 серпня 2017). . O'Reilly Media. Архів оригіналу за 17 травня 2019. Процитовано 11 грудня 2017. (англ.)
  4. Ketkar, Nikhil (2017). Introduction to PyTorch. (англ.). Apress, Berkeley, CA. с. 195—208. doi:10.1007/978-1-4842-2766-4_12. ISBN . Архів оригіналу за 12 липня 2018. Процитовано 30 квітня 2019. (англ.)
  5. . dl4nlp.info (англ.). Архів оригіналу за 21 червня 2019. Процитовано 18 грудня 2017. (англ.)
  6. Patel, Mo (7 грудня 2017). . O'Reilly Media (англ.). Архів оригіналу за 30 березня 2019. Процитовано 18 грудня 2017. (англ.)
  7. Mannes, John. . TechCrunch (англ.). Архів оригіналу за 6 липня 2020. Процитовано 18 грудня 2017. FAIR is accustomed to working with PyTorch — a deep learning framework optimized for achieving state of the art results in research, regardless of resource constraints. Unfortunately in the real world, most of us are limited by the computational capabilities of our smartphones and computers. (англ.)
  8. Arakelyan, Sophia (29 листопада 2017). . VentureBeat (амер.). Архів оригіналу за 7 січня 2020. Процитовано 18 грудня 2017. (англ.)
  9. . PyTorch Master Documentation. Архів оригіналу за 8 травня 2020. Процитовано 29 липня 2019. (англ.)
  10. . Uber Engineering Blog (амер.). 3 листопада 2017. Архів оригіналу за 25 грудня 2017. Процитовано 18 грудня 2017. (англ.)
  11. . pytorch.org. Архів оригіналу за 15 червня 2018. Процитовано 11 червня 2018. (англ.)
  12. . 2 квітня 2018. Архів оригіналу за 30 березня 2019. Процитовано 21 вересня 2019. (англ.)
  13. . analyticsvidhya.com. 22 лютого 2018. Архів оригіналу за 22 жовтня 2019. Процитовано 11 червня 2018. (англ.)

Посилання

  • Офіційний сайт
image Це незавершена стаття про програмне забезпечення.
Ви можете проєкту, виправивши або дописавши її.

Вікіпедія, Українська, Україна, книга, книги, бібліотека, стаття, читати, завантажити, безкоштовно, безкоштовно завантажити, mp3, відео, mp4, 3gp, jpg, jpeg, gif, png, малюнок, музика, пісня, фільм, книга, гра, ігри, мобільний, телефон, android, ios, apple, мобільний телефон, samsung, iphone, xiomi, xiaomi, redmi, honor, oppo, nokia, sonya, mi, ПК, web, Інтернет

PyTorch vidkrita biblioteka mashinnogo navchannya na osnovi biblioteki Torch sho zastosovuyetsya dlya zadach komp yuternogo bachennya ta obrobki prirodnoyi movi Rozroblyaye yiyi perevazhno grupa doslidzhennya shtuchnogo intelektu kompaniyi Facebook Vona ye vilnim ta vidkritim programnim zabezpechennyam sho vipuskayut pid licenziyeyu Modified BSD I hocha interfejs Python ye bilsh vidshlifovanim i golovnim zoseredzhennyam rozrobki PyTorch takozh maye zovnishnij interfejs i dlya C Krim togo programne zabezpechennya en Pyro kompaniyi Uber vikoristovuye PyTorch yak vnutrishnij interfejs PyTorchTipBiblioteka dlya mashinnogo navchannya ta glibokogo navchannyaAvtorAdam Paszke Sam Gross Soumith Chintala Gregory ChananPershij vipuskzhovten 2016 7 rokiv tomu 2016 10 PlatformaIA 32 x86 64Operacijna sistemaLinux macOS i WindowsMova programuvannyaC Python C i CUDADostupni movianglijskaLicenziyaBSDOnlajn dokumentaciyapytorch org docs stable index htmlRepozitorijgithub com pytorch pytorchVebsajtpytorch org Mediafajli u Vikishovishi PyTorch zabezpechuye dvi visokorivnevi funkcionalnosti Tenzorni obchislennya yak NumPy iz silnim priskorennyam cherez grafichni procesori GP Gliboki nejronni merezhi pobudovani na sistemi avtomatichnogo diferenciyuvannya na osnovi plivkiIstoriyaFacebook vikoristovuvav yak PyTorch tak i Convolutional Architecture for Fast Feature Embedding Caffe2 ale modeli viznacheni cimi dvoma sistemami buli vzayemno nesumisnimi Dlya peretvoryuvannya modelej mizh sistemami kompaniyami Facebook ta Microsoft u veresni 2017 roku bulo stvoreno proyekt Open Neural Network Exchange ONNX Naprikinci bereznya 2018 roku Caffe2 bulo vlito do PyTorch Tenzori PyTorchTenzori hoch voni j z matematiki v programuvanni vidriznyayutsya tut yih mozhlivo rozglyadati yak bagatovimirni masivi Tenzori v PyTorch ye podibnimi do masiviv NumPy ale nimi takozh mozhlivo operuvati na GP Nvidia z pidtrimkoyu CUDA PyTorch pidtrimuye rizni tipi tenzoriv ModuliModul autograd PyTorch vikoristovuye metod zvanij avtomatichnim diferenciyuvannyam Zapisuvach zapisuye yaki diyi bulo vikonano a potim prograye yih nazad shobi obchisliti gradiyenti Cej metod ye osoblivo potuzhnim pri buduvanni nejronnih merezh shobi zaoshadzhuvati chas na odnij eposi obchislyuyuchi diferenciyuvannya parametriv na pryamomu prohodi Modul optim torch optim ce modul sho vtilyuye riznomanitni algoritmi optimizaciyi yaki vikoristovuyut dlya buduvannya nejronnih merezh Bilshist shiroko vzhivanih metodiv vzhe pidtrimuvano tozh potrebi buduvati yih z nulya nemaye Modul nn autograd PyTorch dozvolyaye legko viznachati obchislyuvalni grafi ta brati gradiyenti ale autograd v chistomu viglyadi mozhe buti desho zanadto nizkorivnevim dlya viznachennya skladnih nejronnih merezh Same tut mozhe dopomagati modul nn Div takozhPortal Informacijni tehnologiyi Vilne programne zabezpechennya Porivnyannya programnogo zabezpechennya glibokogo navchannya en Torch TenzorPrimitkihttps github com pytorch pytorch releases Yegulalp Serdar 19 sichnya 2017 InfoWorld Arhiv originalu za 12 lipnya 2018 Procitovano 11 grudnya 2017 angl Lorica Ben 3 serpnya 2017 O Reilly Media Arhiv originalu za 17 travnya 2019 Procitovano 11 grudnya 2017 angl Ketkar Nikhil 2017 Introduction to PyTorch angl Apress Berkeley CA s 195 208 doi 10 1007 978 1 4842 2766 4 12 ISBN 9781484227657 Arhiv originalu za 12 lipnya 2018 Procitovano 30 kvitnya 2019 angl dl4nlp info angl Arhiv originalu za 21 chervnya 2019 Procitovano 18 grudnya 2017 angl Patel Mo 7 grudnya 2017 O Reilly Media angl Arhiv originalu za 30 bereznya 2019 Procitovano 18 grudnya 2017 angl Mannes John TechCrunch angl Arhiv originalu za 6 lipnya 2020 Procitovano 18 grudnya 2017 FAIR is accustomed to working with PyTorch a deep learning framework optimized for achieving state of the art results in research regardless of resource constraints Unfortunately in the real world most of us are limited by the computational capabilities of our smartphones and computers angl Arakelyan Sophia 29 listopada 2017 VentureBeat amer Arhiv originalu za 7 sichnya 2020 Procitovano 18 grudnya 2017 angl PyTorch Master Documentation Arhiv originalu za 8 travnya 2020 Procitovano 29 lipnya 2019 angl Uber Engineering Blog amer 3 listopada 2017 Arhiv originalu za 25 grudnya 2017 Procitovano 18 grudnya 2017 angl pytorch org Arhiv originalu za 15 chervnya 2018 Procitovano 11 chervnya 2018 angl 2 kvitnya 2018 Arhiv originalu za 30 bereznya 2019 Procitovano 21 veresnya 2019 angl analyticsvidhya com 22 lyutogo 2018 Arhiv originalu za 22 zhovtnya 2019 Procitovano 11 chervnya 2018 angl PosilannyaOficijnij sajtCe nezavershena stattya pro programne zabezpechennya Vi mozhete dopomogti proyektu vipravivshi abo dopisavshi yiyi

Дата публікації:
Топ