Het Open Source AI-framework van Facebook PyTorch ziet er solide uit

Facebook gebruikt al zijn eigen Open Source AI, PyTorch behoorlijk uitgebreid in zijn eigen kunstmatige intelligentieprojecten. Onlangs zijn ze vooruit gegaan door een pre-release previewversie 1.0 uit te brengen.

Voor degenen die niet vertrouwd zijn, PyTorch is een op Python gebaseerde bibliotheek voor Scientific Computing.

PyTorch maakt gebruik van de superieure rekenkracht van grafische verwerkingseenheden (GPU's) voor het uitvoeren van complexe Tensor-berekeningen en het implementeren van diepe neurale netwerken. Het wordt dus door veel onderzoekers en ontwikkelaars overal ter wereld gebruikt.

Deze nieuwe, kant-en-klare preview-versie werd aangekondigd op de PyTorch Developer Conference in The Midway, San Francisco, Californië op dinsdag 2 oktober 2018.

Hoogtepunten van PyTorch 1.0 Release Candidate

Enkele van de belangrijkste nieuwe functies in de release candidate zijn:

1. JIT

JIT is een set compilerhulpmiddelen om onderzoek dicht bij de productie te brengen. Het bevat een op Python gebaseerde taal genaamd Torch Script en ook manieren om bestaande code compatibel te maken met zichzelf.

2. Nieuwe torch.distributed-bibliotheek: "C10D"

"C10D" maakt asynchrone bewerking op verschillende backends mogelijk met prestatieverbeteringen op langzamere netwerken en meer.

3. C ++ frontend (experimenteel)

Hoewel het specifiek is genoemd als een onstabiele API (verwacht in een pre-release), is dit een pure C ++ -interface naar de PyTorch-backend die de API en de architectuur van de gevestigde Python-frontend volgt om onderzoek mogelijk te maken met hoge prestaties, lage latentie en C ++ -toepassingen rechtstreeks op hardware geïnstalleerd.

Om meer te weten, kunt u de volledige update-opmerkingen over GitHub bekijken.

De eerste stabiele versie PyTorch 1.0 zal in de zomer verschijnen.

PyTorch installeren op Linux

Om PyTorch v1.0rc0 te installeren, bevelen de ontwikkelaars conda aan, terwijl er ook andere manieren zijn om dat te doen, zoals te zien is op hun lokale installatiepagina, waar ze alles wat nodig is in detail hebben gedocumenteerd.

voorwaarden

  • Linux

  • Pip
  • Python

  • CUDA (voor eigenaars van Nvidia GPU)

Zoals we onlangs hebben laten zien hoe je Pip installeert en gebruikt, laten we eens kijken hoe we PyTorch ermee kunnen installeren.

Merk op dat PyTorch GPU- en CPU-only varianten heeft. U moet degene installeren die geschikt is voor uw hardware.

Installatie van oude en stabiele versie van PyTorch

Als je de stabiele release (versie 0.4) voor je GPU wilt, gebruik dan:

pip install torch torchvision 

Gebruik deze twee opdrachten achter elkaar voor een stabiele versie van de CPU:

 pip install //download.pytorch.org/whl/cpu/torch-0.4.1-cp27-cp27mu-linux_x86_64.whl pip install torchvision 

Installatie van PyTorch 1.0 Release Candidate

U installeert PyTorch 1.0 RC GPU-versie met deze opdracht:

 pip install torch_nightly -f //download.pytorch.org/whl/nightly/cu92/torch_nightly.html 

Als u geen GPU hebt en de voorkeur geeft aan een alleen-CPU-versie, gebruikt u:

 pip install torch_nightly -f //download.pytorch.org/whl/nightly/cpu/torch_nightly.html 

Verificatie van uw PyTorch-installatie

Start de python-console op een terminal op met de volgende eenvoudige opdracht:

 python 

Voer nu regel voor regel de volgende voorbeeldcode in om uw installatie te verifiëren:

 from __future__ import print_function import torch x = torch.rand(5, 3) print(x) 

Je zou een output moeten krijgen zoals:

 tensor([[0.3380, 0.3845, 0.3217], [0.8337, 0.9050, 0.2650], [0.2979, 0.7141, 0.9069], [0.1449, 0.1132, 0.1375], [0.4675, 0.3947, 0.1426]]) 

Gebruik de volgende voorbeeldcode om te controleren of u de GPU-mogelijkheden van PyTorch kunt gebruiken:

 import torch torch.cuda.is_available() 

De resulterende uitvoer zou moeten zijn:

 True 

Ondersteuning voor AMD GPU's voor PyTorch is nog in ontwikkeling, dus volledige testdekking is nog niet beschikbaar zoals hier wordt vermeld, wat duidt op deze bron in het geval dat u een AMD GPU heeft.

Laten we nu eens kijken naar enkele onderzoeksprojecten die PyTorch op grote schaal gebruiken:

Lopende onderzoeksprojecten op basis van PyTorch

  • Detectron: het software-systeem van Facebook AI Research voor het intelligent detecteren en classificeren van objecten. Het is gebaseerd op Caffe2. Eerder dit jaar hebben Caffe2 en PyTorch hun krachten gebundeld om een ​​Research + Production-enabled PyTorch 1.0 te creëren waar we het over hebben.

  • Ongesuperviseerde sentimentdetectie: dergelijke methoden worden op grote schaal gebruikt met algoritmen voor sociale media.
  • vid2vid: fotorealistische video-naar-video-vertaling
  • DeepRecommender (We hebben besproken hoe dergelijke systemen werken op ons vorige Netflix AI-artikel)

Nvidia, de toonaangevende GPU-fabrikant, heeft hier meer over verteld met zijn eigen update over deze recente ontwikkeling, waar je ook kunt lezen over lopende collaboratieve onderzoeksinspanningen.

Hoe moeten we reageren op dergelijke PyTorch-mogelijkheden?

Om te denken dat Facebook zulke verbazingwekkend innovatieve projecten en meer in haar algoritmen voor sociale media toepast, moeten we dit allemaal waarderen of worden gealarmeerd? Dit is bijna Skynet! Deze nieuw verbeterde, productiegereedbare pre-release van PyTorch zal de zaak zeker nog verder helpen! Voel je vrij om je mening met ons te delen in de comments hieronder!

Aanbevolen

Gebruik Evernote op Linux met deze hulpmiddelen
2019
MidnightBSD Hits 1.0! Afrekenen Wat is er nieuw
2019
Zorin OS: van het Hobby-project van twee tieners tot een groeiend opstarten
2019