PyTorch

PyTorch softwarea da, zehazki, Python programazio-lengoaiazko ikasketa automatikorako liburutegia, Torch liburutegian oinarrituta.[1][2][3] Ikasketa sakona eta hizkuntzaren prozesamendurako erabiltzen da.[4] Facebook-eko adimen artifizialeko ikerketa-taldeak garatu zuen nagusiki.[5][6][7] Uberren Pyro programazio-lengoaia probabilistikoa software honetan oinarritzen da.[8] Software libre eta irekia da eta BSD lizentzia batekin argitaratuta dago.

 PyTorch
Jatorria
Argitaratze-data2016
Azken bertsioa2.2.0
Behar ditutyping-extensions (en) Itzuli
Ezaugarriak
Programazio-lengoaiaC++, Python, C eta CUDA
Irakur dezakeLinux, macOS eta Microsoft Windows
Egile-eskubideakcopyrightduna
Lizentzia3-clause BSD License (en) Itzuli eta BSD
Deskribapena
OinarrituaTorch (en) Itzuli
Fikzioa
Erabiltzen duNCHW (en) Itzuli
pytorch.org
Twitter: PyTorch Mastodon: pytorch@social.lfx.dev Youtube: UCWXI5YeOsh03QvJ59PMaXFw GitHub: pytorch Edit the value on Wikidata
Iturri-kodeahttps://github.com/pytorch/pytorch

PyTorch-ek goi-mailako bi ezaugarri eskaintzen ditu:[9]

  • Tensore-konputazioa (NumPy bezala) azelerazio sendoarekin grafikoak prozesatzeko unitateen bidez (GPU).
  • Zinta-oinarri duen autodiff sistemarekin sortutako neurona-sare sakonak.

Historia

Facebook-ek bi tresna hauek erabiltzen zituen: PyTorch eta Convolutional Architecturefor Fast Feature Embedding-ekin (Caffe2). Baina bateraezintasun-arazoek asko zailtzen zuten PyTorch-ez definitutako eredu bat Caffe2ra edo alderantziz eraldatzea. Open Neural Network Exchange (ONNX) proiektuak Facebookek eta Microsofekt sortu zuten 2017ko irailean, eredu horien arteko bihurketak egin ahal izateko. 2018ko martxoaren amaieran Caffe2 eta PyTorch-ekin batu ziren. [10]

PyTorch tentsoreak

Tentsoreak, matematikatik datoz baina programazioan desberdinak dira, non matrizearen dimentsio anitzeko datu-egitura gisa (arrayak) tratatu daitezke. PyTorch-eko tentsoreak NumPy arrayen modukoak dira, baina CUDA onartzen duen GPU batean ere erabil daitezke. PyTorch-ek tentsore mota desberdinak onartzen ditu.[11]

    Erreferentziak
    1. (Ingelesez) Yegulalp, Serdar. (2017-01-19). «Facebook brings GPU-powered machine learning to Python» InfoWorld (Noiz kontsultatua: 2019-07-03).
    2. (Ingelesez) Lorica, Ben. (2017-08-03). «Why AI and machine learning researchers are beginning to embrace PyTorch» O'Reilly Media (Noiz kontsultatua: 2019-07-03).
    3. (Ingelesez) Ketkar, Nikhil. (2017). Ketkar, Nikhil ed. «Introduction to PyTorch» Deep Learning with Python: A Hands-on Introduction (Apress): 195–208.  doi:10.1007/978-1-4842-2766-4_12. ISBN 9781484227664. (Noiz kontsultatua: 2019-07-03).
    4. «Natural Language Processing (NLP) with PyTorch — NLP with PyTorch documentation» dl4nlp.info (Noiz kontsultatua: 2019-07-03).
    5. (Ingelesez) Patel, Mo. (2017-12-07). «When two trends fuse: PyTorch and recommender systems» O'Reilly Media (Noiz kontsultatua: 2019-07-03).
    6. (Ingelesez) «Facebook and Microsoft collaborate to simplify conversions from PyTorch to Caffe2» TechCrunch (Noiz kontsultatua: 2019-07-03).
    7. (Ingelesez) «Tech giants are using open source frameworks to dominate the AI community» VentureBeat 2017-11-29 (Noiz kontsultatua: 2019-07-03).
    8. (Ingelesez) Goodman, Noah. (2017-11-03). «Uber AI Labs Open Sources Pyro, a Deep Probabilistic Programming Language» Uber Engineering Blog (Noiz kontsultatua: 2019-07-03).
    9. «PyTorch | About» web.archive.org 2018-06-15 (Noiz kontsultatua: 2019-07-03).
    10. (Ingelesez) Synced. (2018-05-16). «Caffe2 Merges With PyTorch - Synced» Medium (Noiz kontsultatua: 2019-07-03).
    11. «An Introduction to PyTorch - A Simple yet Powerful Deep Learning Library» Analytics Vidhya 2018-02-22 (Noiz kontsultatua: 2019-07-03).

    Ikus, gainera

    Kanpo estekak
    This article is issued from Wikipedia. The text is licensed under Creative Commons - Attribution - Sharealike. Additional terms may apply for the media files.