Làm thế nào để sử dụng thư viện Python PyTorch?
PyTorch là khung phổ biến nhất để xây dựng mô hình Học sâu. Tìm hiểu mọi thứ bạn cần biết về thư viện Python được các nhà nghiên cứu và doanh nghiệp trên khắp thế giới sử dụng.
Ban đầu được tạo ra bởi các nhà nghiên cứu tại Facebook AI Research (FAIR) vào năm 2017, PyTorch nhanh chóng tự thiết lập trở thành khung tham chiếu để tạo ra các mô hình Deep Learning.
Thư viện Máy học mã nguồn mở này dựa trên Torch và được thiết kế để cung cấp tốc độ và tính linh hoạt trong việc triển khai mạng nơ-ron.
Nó hiện là thư viện phần mềm phổ biến nhất dành cho các nhà nghiên cứu và chuyên gia AI trong cả lĩnh vực công nghiệp và nghiên cứu. Nó được điều hành bởi các công ty nổi tiếng lớn, bao gồm Tesla và Disney.
Pytorch là gì?
PyTorch là một thư viện tensor Học sâu được tối ưu hóa và dựa trên Python và Torch. Nó là một khuôn khổ học máy mã nguồn mở, được sử dụng cho cả việc tạo mẫu nghiên cứu và triển khai sản xuất.
Hai tính năng chính của PyTorch là tính toán Tensor được tăng tốc bằng cách GPUvà tạo và đào tạo mạng nơ-ron sâu thông qua tính năng tự động.
Khung này chủ yếu được sử dụng cho các ứng dụng sử dụng GPU và CPU. Khá thường xuyên, PyTorch được ưu tiên hơn những người khác Các khuôn khổ Deep Learning như Keras và TensorFlow để sử dụng đồ thị tính toán động và khả năng tương thích của nó với Python.
Các nhà khoa học, nhà phát triển và người gỡ rối mạng thần kinh có thể chạy và kiểm tra các phần mã trong thời gian thực bằng công cụ này. Do đó, người dùng không cần phải đợi việc thực thi mã hoàn chỉnh để kiểm tra xem các phần khác nhau của nó có hoạt động hay không.
Ban đầu, PyTorch được phát triển bởi Viện nghiên cứu Idiap, NYU, Phòng thí nghiệm NEC Hoa Kỳ, Facebook và Deepmind Các công nghệ với sự trợ giúp của các dự án Torch và Caffe2.
Giờ đây, dự án mã nguồn mở này quy tụ một cộng đồng lớn. PyTorch phiên bản 1.10, ra mắt vào tháng 2021 năm XNUMX, đã nhận được hàng trăm đóng góp.
PyTorch hoạt động như thế nào?
Hoạt động của PyTorch trên hết dựa trên Tensors, cho phép chứa dữ liệu theo nhiều chiều. Nó là một đơn vị dữ liệu cơ bản có thể được sử dụng làm nền tảng cho các phép toán nâng cao. Nó có thể là một số, một vectơ, một ma trận hoặc một mảng nhiều chiều tương tự như mảng NumPy.
Tensors có thể được hỗ trợ bởi CPU hoặc GPU để thực hiện các hoạt động nhanh hơn. Có nhiều loại tensor khác nhau, nhưng PyTorch sử dụng Tensor nổi 32-bit theo mặc định.
Để thực hiện các phép toán với PyTorch, chúng tôi sử dụng các mã tương tự như với Numpy. Người dùng cần khởi tạo hai tenxơ và sau đó thực hiện các phép toán trên chúng như cộng, trừ, nhân và chia.
Cuối cùng, để khởi tạo một ma trận với các số ngẫu nhiên trong PyTorch, chúng tôi sử dụng hàm randn () cho một tensor chứa đầy các số ngẫu nhiên từ một phân phối chuẩn chuẩn. Một lần nữa, các phép toán ma trận cơ bản tương tự với PyTorch và NumPy.
Các ứng dụng của PyTorch là gì?
Các trường hợp sử dụng chính cho PyTorch là thị giác máy tính, xử lý ngôn ngữ tự nhiên và học tăng cường.
Computer Vision là một quá trình cho phép máy tính hiểu hình ảnh và trích xuất thông tin từ chúng.
Xử lý ngôn ngữ tự nhiên hoặc Xử lý ngôn ngữ tự nhiên cho phép máy tính hiểu văn bản hoặc từ theo cách giống như con người. Nó được sử dụng đặc biệt cho sự phát triển của chatbot và trình dịch ngôn ngữ.
Cuối cùng, học tăng cường là một kỹ thuật học máy dựa trên phản hồi. Một tác nhân học cách cư xử trong một môi trường bằng cách thực hiện các hành động và quan sát kết quả. Phương pháp này được sử dụng để phát triển và tự động hóa robot.
Sự phát triển của PyTorch
Khi PyTorch lần đầu tiên xuất hiện, nhiều nhà nghiên cứu đã bị thu hút vì nó dễ sử dụng hơn TensorFlow để phát triển mô hình học sâu với GPU.
Theo mặc định, các lệnh gọi API PyTorch thực thi khi có lệnh gọi. Chúng không cần phải được thêm vào biểu đồ để chạy sau này.
Kể từ đó, TensorFlow đã cải tiến và cung cấp hoạt động tương tự. Tuy nhiên, PyTorch vẫn giữ được sự phổ biến trong cộng đồng khoa học.
Với phiên bản 1.10 có sẵn kể từ tháng 2021 năm XNUMX, PyTorch cung cấp tích hợp các API Đồ thị CUDA, một số API giao diện người dùng như FX và torch. Đặc biệt, một trình biên dịch JIT dựa trên LLVM để hợp nhất các chuỗi lệnh gọi torch và tăng hiệu suất cũng như hỗ trợ cho Android NNAPI API cho phép các ứng dụng Android chạy mạng nơ-ron trên GPU của điện thoại thông minh.
Cuối cùng, PyTorch cũng được phân biệt bởi một hệ sinh thái rộng lớn các công cụ và thư viện mở rộng khả năng của nó. Nó cũng tương thích với các nền tảng điện toán đám mây chính như Amazon Web Services (AWS), Google Cloud Platform (GCP) và Microsoft Azure.
Làm thế nào để sử dụng PyTorch?
Để bắt đầu sử dụng PyTorch, trước tiên bạn phải cài đặt nó. Nếu bạn đang sử dụng lệnh pip của Python, trước tiên hãy kiểm tra xem pip đã được cài đặt bằng lệnh "pip –version" chưa.
Sau đó cài đặt phiên bản mới nhất của PyTorch bằng lệnh "pip install torch". Kiểm tra xem quá trình cài đặt có thành công hay không bằng lệnh “pip show torch”.
Thay vào đó, bạn có thể sử dụng hệ thống quản lý môi trường Conda mã nguồn mở tương thích với Windows, Linux và Mac. Sau khi hoàn tất cài đặt, bạn có thể bắt đầu sử dụng PyTorch để phát triển các mô hình học sâu của mình và đưa chúng vào sản xuất.
Tuy nhiên, để khai thác hết tiềm năng của PyTorch, cần phải có chuyên môn kỹ thuật. Đừng ngần ngại theo dõi một khóa đào tạo Python để khám phá tất cả bí mật của ngôn ngữ này và các thư viện phần mềm của nó.
Tìm thêm lời khuyên về neuf.tv
Bạn cũng có thể thích: Máy khắc / cắt laser tốt nhất