www.wikidata.uk-ua.nina.az

PyTorch відкрита бібліотека машинного навчання на основі бібліотеки Torch 2 3 4 що застосовується для задач комп ютерног

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 ймовірнісної мови програмування[en] Pyro компанії Uber використовує PyTorch як внутрішній інтерфейс.

PyTorch
Тип Бібліотека для машинного навчання та глибокого навчання
Автор Adam Paszke, Sam Gross, Soumith Chintala, Gregory Chanan
Перший випуск жовтень 2016; 7 років тому (2016-10)
Платформа IA-32, x86-64
Операційна система Linux, macOS і Windows
Мова програмування C++, Python, C і CUDA
Доступні мови англійська
Ліцензія BSD
Репозиторій github.com/pytorch/pytorch
Вебсайт pytorch.org
 PyTorch у Вікісховищі

PyTorch забезпечує дві високорівневі функціональності:

Історія ред.

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 ред.

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 ред.

Модуль autograd ред.

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 ред.

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 ред.

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 ред.

Примітки ред.

  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). . Deep Learning with Python (англ.). Apress, Berkeley, CA. с. 195–208. ISBN 9781484227657. doi:10.1007/978-1-4842-2766-4_12. 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 ред.

Це незавершена стаття про програмне забезпечення.
Ви можете допомогти 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
Дата публікації:
PyTorch vidkrita biblioteka mashinnogo navchannya na osnovi biblioteki Torch 2 3 4 sho zastosovuyetsya dlya zadach komp yuternogo bachennya ta obrobki prirodnoyi movi 5 Rozroblyaye yiyi perevazhno grupa doslidzhennya shtuchnogo intelektu kompaniyi Facebook 6 7 8 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 9 Krim togo programne zabezpechennya jmovirnisnoyi movi programuvannya en Pyro kompaniyi Uber vikoristovuye PyTorch yak vnutrishnij interfejs 10 PyTorchTip Biblioteka dlya mashinnogo navchannya ta glibokogo navchannyaAvtor Adam Paszke Sam Gross Soumith Chintala Gregory ChananPershij vipusk zhovten 2016 7 rokiv tomu 2016 10 Platforma IA 32 x86 64Operacijna sistema Linux macOS i WindowsMova programuvannya C Python C i CUDADostupni movi anglijskaLicenziya BSDRepozitorij github com pytorch pytorchVebsajt pytorch org PyTorch u VikishovishiPyTorch zabezpechuye dvi visokorivnevi funkcionalnosti 11 Tenzorni obchislennya yak NumPy iz silnim priskorennyam cherez grafichni procesori GP Gliboki nejronni merezhi pobudovani na sistemi avtomatichnogo diferenciyuvannya na osnovi plivkiZmist 1 Istoriya 2 Tenzori PyTorch 3 Moduli 3 1 Modul autograd 3 2 Modul optim 3 3 Modul nn 4 Div takozh 5 Primitki 6 PosilannyaIstoriya red Facebook 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 12 Tenzori PyTorch red Tenzori 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 13 Moduli red Modul autograd red 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 red 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 red 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 takozh red nbsp Portal Informacijni tehnologiyi Vilne programne zabezpechennya Porivnyannya programnogo zabezpechennya glibokogo navchannya Diferencijovne programuvannya en Torch TenzorPrimitki red https github com pytorch pytorch releases Yegulalp Serdar 19 sichnya 2017 Facebook brings GPU powered machine learning to Python InfoWorld Arhiv originalu za 12 lipnya 2018 Procitovano 11 grudnya 2017 angl Lorica Ben 3 serpnya 2017 Why AI and machine learning researchers are beginning to embrace PyTorch O Reilly Media Arhiv originalu za 17 travnya 2019 Procitovano 11 grudnya 2017 angl Ketkar Nikhil 2017 Introduction to PyTorch Deep Learning with Python angl Apress Berkeley CA s 195 208 ISBN 9781484227657 doi 10 1007 978 1 4842 2766 4 12 Arhiv originalu za 12 lipnya 2018 Procitovano 30 kvitnya 2019 angl Natural Language Processing NLP with PyTorch NLP with PyTorch documentation dl4nlp info angl Arhiv originalu za 21 chervnya 2019 Procitovano 18 grudnya 2017 angl Patel Mo 7 grudnya 2017 When two trends fuse PyTorch and recommender systems O Reilly Media angl Arhiv originalu za 30 bereznya 2019 Procitovano 18 grudnya 2017 angl Mannes John Facebook and Microsoft collaborate to simplify conversions from PyTorch to Caffe2 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 Tech giants are using open source frameworks to dominate the AI community VentureBeat amer Arhiv originalu za 7 sichnya 2020 Procitovano 18 grudnya 2017 angl The C Frontend PyTorch Master Documentation Arhiv originalu za 8 travnya 2020 Procitovano 29 lipnya 2019 angl Uber AI Labs Open Sources Pyro a Deep Probabilistic Programming Language Uber Engineering Blog amer 3 listopada 2017 Arhiv originalu za 25 grudnya 2017 Procitovano 18 grudnya 2017 angl PyTorch About pytorch org Arhiv originalu za 15 chervnya 2018 Procitovano 11 chervnya 2018 angl Caffe2 Merges With PyTorch 2 kvitnya 2018 Arhiv originalu za 30 bereznya 2019 Procitovano 21 veresnya 2019 angl An Introduction to PyTorch A Simple yet Powerful Deep Learning Library analyticsvidhya com 22 lyutogo 2018 Arhiv originalu za 22 zhovtnya 2019 Procitovano 11 chervnya 2018 angl Posilannya red Oficijnij sajt nbsp Ce nezavershena stattya pro programne zabezpechennya Vi mozhete dopomogti proyektu vipravivshi abo dopisavshi yiyi Otrimano z https uk wikipedia org w index php title PyTorch amp oldid 40118946