PyTorch
 PyTorch | |
|---|---|
| Jatorria | |
| Argitaratze-data | 2016 |
| Azken bertsioa | 2.3.0 |
| Behar ditu | typing-extensions (en)  |
| Ezaugarriak | |
| Programazio-lengoaia | C++, Python, C eta CUDA |
| Irakur dezake | Linux, macOS eta Microsoft Windows |
| Egile-eskubideak | copyrightduna |
| Lizentzia | 3-clause BSD License (en) eta BSD |
| Deskribapena | |
| Oinarritua | Torch (en) |
| Fikzioa | |
| Erabiltzen du | NCHW (en) |
| pytorch.org | |
     | |
| Iturri-kodea | https://github.com/pytorch/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-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[aldatu | aldatu iturburu kodea]
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[aldatu | aldatu iturburu kodea]
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[aldatu | aldatu iturburu kodea]
- ↑ (Ingelesez) Yegulalp, Serdar. (2017-01-19). «Facebook brings GPU-powered machine learning to Python» InfoWorld (Noiz kontsultatua: 2019-07-03).
- ↑ (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).
- ↑ (Ingelesez) Ketkar, Nikhil. (2017). Ketkar, Nikhil ed. «Introduction to PyTorch» Deep Learning with Python: A Hands-on Introduction (Apress): 195–208. doi:. ISBN 9781484227664. (Noiz kontsultatua: 2019-07-03).
- ↑ «Natural Language Processing (NLP) with PyTorch — NLP with PyTorch documentation» dl4nlp.info (Noiz kontsultatua: 2019-07-03).
- ↑ (Ingelesez) Patel, Mo. (2017-12-07). «When two trends fuse: PyTorch and recommender systems» O'Reilly Media (Noiz kontsultatua: 2019-07-03).
- ↑ (Ingelesez) «Facebook and Microsoft collaborate to simplify conversions from PyTorch to Caffe2» TechCrunch (Noiz kontsultatua: 2019-07-03).[Betiko hautsitako esteka]
- ↑ (Ingelesez) «Tech giants are using open source frameworks to dominate the AI community» VentureBeat 2017-11-29 (Noiz kontsultatua: 2019-07-03).
- ↑ (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).
- ↑ «PyTorch | About» web.archive.org 2018-06-15 (Noiz kontsultatua: 2019-07-03).
- ↑ (Ingelesez) Synced. (2018-05-16). «Caffe2 Merges With PyTorch - Synced» Medium (Noiz kontsultatua: 2019-07-03).
- ↑ «An Introduction to PyTorch - A Simple yet Powerful Deep Learning Library» Analytics Vidhya 2018-02-22 (Noiz kontsultatua: 2019-07-03).
