Kuidas kasutada PyTorchi pythoni raamatukogu?

Kuidas kasutada PyTorchi pythoni raamatukogu?

PyTorch on kõige populaarsem raamistik süvaõppe mudelite loomiseks. Siit saate teada kõike, mida peate teadma selle Pythoni teegi kohta, mida kasutavad teadlased ja ettevõtted üle kogu maailma.

Algselt 2017. aastal Facebook AI Researchi (FAIR) teadlaste loodud PyTorch kehtestas end kiiresti süvaõppe mudelite loomise võrdlusraamistikuna.

See avatud lähtekoodiga masinõppe teek põhineb Torchil ja on loodud pakkuma kiirust ja paindlikkust närvivõrkude rakendamisel.

See on nüüd populaarseim tarkvarateek tehisintellekti teadlastele ja professionaalidele nii tööstuses kui ka teadustöös. Seda haldavad eelkõige suured tuntud ettevõtted, sealhulgas Tesla ja Disney.

Mis on Pytorch?

PyTorch on süvaõppe tensoriteek optimeeritud ning Pythoni ja Torchi baasil. See on avatud lähtekoodiga masinõpperaamistik, mida kasutatakse nii teadusuuringute prototüüpide loomiseks kui ka tootmiseks juurutamiseks. 

PyTorchi kaks peamist funktsiooni on Tensori kiirendatud arvutamine GPUning sügavate närvivõrkude loomine ja treenimine automaatse tuletamise teel.

Seda raamistikku kasutatakse peamiselt GPU-sid ja CPU-sid kasutavate rakenduste jaoks. Üsna sageli eelistatakse PyTorchi teistele Süvaõppe raamistikud nagu Keras ja TensorFlow dünaamiliste arvutusgraafikute kasutamise ja Pythoniga ühilduvuse eest.

Närvivõrkude teadlased, arendajad ja silujad saavad selle tööriistaga reaalajas koodi osi käitada ja testida. Seega ei pea kasutajad ootama täieliku koodi rakendamist, et kontrollida, kas selle erinevad osad töötavad.

Algselt töötasid PyTorchi välja Idiapi uurimisinstituut, NYU, NEC Laboratories America, Facebook ja Deepmind Tehnoloogiad Torch ja Caffe2 projektide abil.

Nüüd toob see avatud lähtekoodiga projekt kokku suure kogukonna. 1.10. aasta oktoobris käivitatud PyTorchi versioon 2021 sai sadu kaastöid.

Kuidas PyTorch töötab?

PyTorchi töö põhineb ennekõike tensoritel, mis võimaldab andmeid sisaldada mitmes dimensioonis. See on põhiline andmeüksus, mida saab kasutada täiustatud matemaatiliste toimingute aluseks. See võib olla arv, vektor, maatriks või mitmemõõtmeline massiiv, mis sarnaneb NumPy massiiviga.

Toimingute kiiremaks tegemiseks saab tensoreid toetada protsessor või GPU. Tensoreid on erinevat tüüpi, kuid PyTorch kasutab vaikimisi 32-bitist Float Tensorit.

PyTorchiga matemaatiliste toimingute tegemiseks kasutame samu koode, mis Numpy puhul. Kasutajad peavad lähtestama kaks tensorit ja seejärel tegema nendega toiminguid, nagu liitmine, lahutamine, korrutamine ja jagamine.

Lõpuks kasutame PyTorchis juhuslike arvudega maatriksi initsialiseerimiseks funktsiooni randn (), mis annab tensori, mis on täidetud juhuslike arvudega standardsest normaaljaotusest. Jällegi on maatriksi põhitoimingud PyTorchi ja NumPy puhul sarnased.

Millised on PyTorchi rakendused?

PyTorchi peamised kasutusjuhud on arvutinägemine, loomuliku keele töötlemine ja õppimine.

Arvutinägemine on protsess, mis võimaldab arvutitel pilte mõista ja neist teavet hankida.

Natural Language Processing või Natural Language Processing võimaldab arvutitel mõista tekste või sõnu samamoodi nagu inimene. Seda kasutatakse eelkõige vestlusrobotite ja keeletõlkijate arendamiseks.

Lõpuks on tugevdusõpe tagasisidel põhinev masinõppetehnika. Agent õpib keskkonnas käituma toiminguid sooritades ja tulemusi jälgides. Seda meetodit kasutatakse robotite arendamiseks ja automatiseerimiseks.

PyTorchi areng

Kui PyTorch esmakordselt ilmus, köitis paljusid teadlasi, sest seda oli GPU-dega süvaõppemudelite arendamiseks lihtsam kasutada kui TensorFlow.

Vaikimisi käivitatakse PyTorchi API-kutsed kutsumisel. Neid ei pea hiljem käivitamiseks diagrammile lisama.

Sellest ajast alates on TensorFlow paranenud ja pakub sama toimingut. Siiski on PyTorch säilitanud oma populaarsuse teadusringkondades.

Kuna versioon 1.10 on saadaval alates 2021. aasta oktoobrist, pakub PyTorch CUDA Graphsi API-de, mitmete esiotsa API-de (nt FX ja torch.special) integreerimist, LLVM-põhist JIT-kompilaatorit tõrviku kõnede järjestuste liitmiseks ja jõudluse suurendamiseks ning tuge Androidi NNAPI API-le. mis võimaldab Androidi rakendustel käivitada nutitelefoni GPU-del närvivõrke.

Lõpuks eristab PyTorchi ka tohutu tööriistade ja raamatukogude ökosüsteem, mis laiendab selle võimalusi. See ühildub ka suuremate pilvandmetöötlusplatvormidega, nagu Amazon Web Services (AWS), Google Cloud Platform (GCP) ja Microsoft Azure.

Kuidas PyTorchi kasutada?

PyTorchi kasutamise alustamiseks peate selle esmalt installima. Kui kasutate Pythoni käsku pip, kontrollige esmalt, kas pip on installitud käsuga "pip –version".

Seejärel installige PyTorchi uusim versioon käsuga "pip install torch". Kontrollige, kas installimine õnnestus, kasutades käsku "pip show torch".

Alternatiivina saate kasutada avatud lähtekoodiga Conda keskkonnahaldussüsteemi, mis ühildub Windowsi, Linuxi ja Maciga. Pärast installimise lõpetamist võite hakata kasutama PyTorchi süvaõppemudelite väljatöötamiseks ja tootmisse viimiseks.

PyTorchi potentsiaali täielikuks ärakasutamiseks on aga vaja omandada tehnilisi teadmisi. Ärge kõhelge Pythoni koolitusest, et avastada selle keele ja selle tarkvarateekide kõik saladused.

★ ★ ★ ★ ★