كيفية استخدام مكتبة PyTorch Python؟

كيفية استخدام مكتبة PyTorch Python؟

PyTorch هو الإطار الأكثر شيوعًا لبناء نماذج التعلم العميق. اكتشف كل ما تحتاج لمعرفته حول مكتبة Python هذه التي يستخدمها الباحثون والشركات في جميع أنحاء العالم.

تم إنشاؤه في البداية من قبل باحثين في Facebook AI Research (FAIR) في عام 2017 ، سرعان ما رسخت PyTorch نفسها كإطار مرجعي لإنشاء نماذج التعلم العميق.

تعتمد مكتبة التعلم الآلي مفتوحة المصدر هذه على Torch ، وهي مصممة لتوفير السرعة والمرونة في تنفيذ الشبكات العصبية.

إنها الآن مكتبة البرامج الأكثر شعبية للباحثين والمتخصصين في مجال الذكاء الاصطناعي في كل من الصناعة والبحث. يتم تشغيلها بشكل خاص من قبل شركات مشهورة كبيرة ، بما في ذلك Tesla و Disney.

ما هو بيتورش؟

PyTorch هي مكتبة موتر للتعليم العميق محسّن ومبني على Python و Torch. إنه إطار عمل تعلم آلي مفتوح المصدر ، يستخدم في كل من نماذج البحث ونشر الإنتاج. 

السمتان الرئيسيتان لـ PyTorch هما حساب Tensor المعجل بواسطة وحدة معالجة الرسوميات‏:‏، وإنشاء وتدريب الشبكات العصبية العميقة عن طريق الاشتقاق التلقائي.

يستخدم هذا الإطار بشكل أساسي للتطبيقات التي تستخدم وحدات معالجة الرسومات ووحدات المعالجة المركزية. في كثير من الأحيان ، يفضل PyTorch على الآخرين أطر التعلم العميق مثل Keras و TensorFlow لاستخدامها الرسوم البيانية الحسابية الديناميكية وتوافقها مع Python.

يمكن لعلماء الشبكات العصبية والمطورين والمصححين تشغيل واختبار أجزاء من التعليمات البرمجية في الوقت الفعلي باستخدام هذه الأداة. وبالتالي ، لا يحتاج المستخدمون إلى انتظار تنفيذ الكود الكامل للتحقق مما إذا كانت أجزائه المختلفة تعمل أم لا.

في الأصل ، تم تطوير PyTorch بواسطة معهد أبحاث Idiap و NYU و NEC Laboratories America و Facebook و العقل العميق تقنيات بمساعدة مشروعي Torch و Caffe2.

الآن ، يجمع هذا المشروع مفتوح المصدر مجتمعًا كبيرًا. تلقى الإصدار 1.10 من PyTorch ، الذي تم إطلاقه في أكتوبر 2021 ، مئات المساهمات.

كيف يعمل PyTorch؟

يعتمد تشغيل PyTorch في المقام الأول على Tensors ، مما يسمح باحتواء البيانات في أبعاد متعددة. إنها وحدة أساسية من البيانات يمكن استخدامها كأساس لعمليات حسابية متقدمة. يمكن أن يكون رقمًا أو متجهًا أو مصفوفة أو مصفوفة متعددة الأبعاد مشابهة لمصفوفة NumPy.

يمكن دعم الموترات بواسطة وحدة المعالجة المركزية أو وحدة معالجة الرسومات لأداء العمليات بشكل أسرع. هناك أنواع مختلفة من الموترات ، لكن PyTorch يستخدم موتر Float 32 بت افتراضيًا.

لإجراء عمليات حسابية باستخدام PyTorch ، نستخدم نفس الرموز المستخدمة في Numpy. يحتاج المستخدمون إلى تهيئة اثنين من الموترات ثم إجراء عمليات عليهما مثل الجمع والطرح والضرب والقسمة.

أخيرًا ، لتهيئة مصفوفة بأرقام عشوائية في PyTorch ، نستخدم الدالة randn () التي تعطي موترًا مملوءًا بأرقام عشوائية من التوزيع العادي القياسي. مرة أخرى ، تتشابه عمليات المصفوفة الأساسية مع PyTorch و NumPy.

ما هي تطبيقات PyTorch؟

حالات الاستخدام الأساسية لـ PyTorch هي رؤية الكمبيوتر ومعالجة اللغة الطبيعية والتعلم المعزز.

رؤية الكمبيوتر هي عملية تسمح لأجهزة الكمبيوتر بفهم الصور واستخراج المعلومات منها.

تسمح معالجة اللغة الطبيعية أو معالجة اللغة الطبيعية لأجهزة الكمبيوتر بفهم النصوص أو الكلمات بنفس طريقة الإنسان. يتم استخدامه بشكل خاص لتطوير روبوتات المحادثة ومترجمي اللغة.

أخيرًا ، التعلم المعزز هو أسلوب تعلم آلي يعتمد على الملاحظات. يتعلم الوكيل التصرف داخل البيئة من خلال تنفيذ الإجراءات ومراقبة النتائج. تستخدم هذه الطريقة لتطوير الروبوتات والأتمتة.

تطور PyTorch

عندما ظهرت PyTorch لأول مرة ، انجذب العديد من الباحثين لأنه كان أسهل في الاستخدام من TensorFlow لتطوير نموذج التعلم العميق باستخدام وحدات معالجة الرسومات.

بشكل افتراضي ، يتم تنفيذ استدعاءات PyTorch API عند الاستدعاء. لا يلزم إضافتها إلى مخطط ليتم تشغيلها لاحقًا.

منذ ذلك الحين ، تحسن TensorFlow ويقدم نفس العملية. ومع ذلك ، فقد احتفظت PyTorch بشعبيتها داخل المجتمع العلمي.

مع الإصدار 1.10 المتوفر منذ أكتوبر 2021 ، تقدم PyTorch تكاملًا لواجهات برمجة تطبيقات CUDA Graphs والعديد من واجهات برمجة التطبيقات الأمامية مثل FX و torch.special ومجمع JIT المستند إلى LLVM لدمج تسلسلات استدعاء الشعلة وزيادة الأداء ودعم واجهة برمجة تطبيقات Android NNAPI السماح لتطبيقات Android بتشغيل الشبكات العصبية على وحدات معالجة الرسومات الخاصة بالهواتف الذكية.

أخيرًا ، تتميز PyTorch أيضًا بنظام بيئي واسع من الأدوات والمكتبات التي تعمل على توسيع قدراتها. كما أنه متوافق مع منصات الحوسبة السحابية الرئيسية مثل Amazon Web Services (AWS) و Google Cloud Platform (GCP) و Microsoft Azure.

كيفية استخدام PyTorch؟

لبدء استخدام PyTorch ، يجب عليك أولاً تثبيته. إذا كنت تستخدم أمر pip في Python ، فتحقق أولاً من تثبيت pip باستخدام الأمر "pip –version".

ثم قم بتثبيت أحدث إصدار من PyTorch باستخدام الأمر "pip install torch". تحقق من نجاح التثبيت باستخدام الأمر "pip show torch".

كبديل ، يمكنك استخدام نظام إدارة بيئة Conda مفتوح المصدر المتوافق مع أنظمة التشغيل Windows و Linux و Mac. بعد الانتهاء من التثبيت ، يمكنك البدء في استخدام PyTorch لتطوير نماذج التعلم العميق الخاصة بك ووضعها في مرحلة الإنتاج.

ومع ذلك ، من أجل الاستفادة الكاملة من إمكانات PyTorch ، من الضروري اكتساب الخبرة الفنية. لا تتردد في متابعة تدريب بايثون لاكتشاف كل أسرار هذه اللغة ومكتباتها البرمجية.

★ ★ ★ ★ ★