内容简介:Facebook 在人工智能项目中广泛使用自己的开源 AI 框架 PyTorch,最近,他们已经发布了 PyTorch 1.0 的预览版本。如果你尚不了解,
Facebook 在人工智能项目中广泛使用自己的开源 AI 框架 PyTorch,最近,他们已经发布了 PyTorch 1.0 的预览版本。
如果你尚不了解, PyTorch 是一个基于 Python 的科学计算库。
PyTorch 利用 GPU 超强的运算能力 来实现复杂的 张量 计算 和 深度神经网络 。 因此, 它被世界各地的研究人员和开发人员广泛使用。
这一新的可以投入使用的 预览版 已于 2018 年 10 月 2 日周二在旧金山 The Midway 举办的 PyTorch 开发人员大会 宣布。
PyTorch 1.0 候选版本的亮点
候选版本中的一些主要新功能包括:
1、 JIT
JIT 是一个编译 工具 集,使研究和生产更加接近。 它包含一个基于 Python 语言的叫做 Torch Script 的脚本语言,也有能使现有代码与它自己兼容的方法。
2、 全新的 torch.distributed 库: “C10D”
“C10D” 能够在不同的后端上启用异步操作, 并在较慢的网络上提高性能。
3、 C++ 前端 (实验性功能)
虽然它被特别提到是一个不稳定的 API (估计是在预发行版中), 这是一个 PyTorch 后端的纯 C++ 接口, 遵循 API 和建立的 Python 前端的体系结构,以实现高性能、低延迟的研究和开发直接安装在硬件上的 C++ 应用程序。
想要了解更多,可以在 GitHub 上查看完整的 更新说明 。
第一个 PyTorch 1.0 的稳定版本将在夏季发布。(LCTT 译注:此信息可能有误)
在 Linux 上安装 PyTorch
为了安装 PyTorch v1.0rc0, 开发人员建议使用 conda , 同时也可以按照 本地安装页面 所示,使用其他方法可以安装,所有必要的细节详见文档。
前提
- Linux
- Pip
- Python
- CUDA (对于使用 Nvidia GPU 的用户)
我们已经知道 如何安装和使用 Pip ,那就让我们来了解如何使用 Pip 安装 PyTorch。
请注意,PyTorch 具有 GPU 和仅限 CPU 的不同安装包。你应该安装一个适合你硬件的安装包。
安装 PyTorch 的旧版本和稳定版
如果你想在 GPU 机器上安装稳定版(0.4 版本),使用:
pip install torch torchvision
使用以下两个命令,来安装仅用于 CPU 的稳定版:
pip install http://download.pytorch.org/whl/cpu/torch-0.4.1-cp27-cp27mu-linux_x86_64.whl pip install torchvision
安装 PyTorch 1.0 候选版本
使用如下命令安装 PyTorch 1.0 RC GPU 版本:
pip install torch_nightly-f https://download.pytorch.org/whl/nightly/cu92/torch_nightly.html
如果没有GPU,并且更喜欢使用 仅限 CPU 版本,使用如下命令:
pip install torch_nightly-f https://download.pytorch.org/whl/nightly/cpu/torch_nightly.html
验证 PyTorch 安装
使用如下简单的命令,启动终端上的 python 控制台:
-
python
现在,按行输入下面的示例代码以验证您的安装:
from __future__ import print_function import torch x = torch.rand(5, 3) print(x)
你应该得到如下输出:
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]])
若要检查是否可以使用 PyTorch 的 GPU 功能, 可以使用以下示例代码:
import torch torch.cuda.is_available()
输出结果应该是:
-
True
支持 PyTorch 的 AMD GPU 仍在开发中, 因此, 尚未按 报告 提供完整的测试覆盖,如果您有 AMD GPU ,请在 这里 提出建议。
现在让我们来看看一些广泛使用 PyTorch 的研究项目:
基于 PyTorch 的持续研究项目
- Detectron : Facebook AI 研究院的软件系统, 可以智能地进行对象检测和分类。它之前是基于 Caffe2 的。今年早些时候,Caffe2 和 PyTorch 合力 创建了一个研究 + 生产的 PyTorch 1.0
- Unsupervised Sentiment Discovery : 广泛应用于社交媒体的一些算法
- vid2vid : 逼真的视频到视频的转换
- DeepRecommender 我们在过去的 网飞的 AI 文章 中介绍了这些系统是如何工作的
领先的 GPU 制造商英伟达在 更新 这方面最近的发展,你也可以阅读正在进行的合作的研究。
我们应该如何应对这种 PyTorch 的能力?
想到 Facebook 在社交媒体算法中应用如此令人惊叹的创新项目, 我们是否应该感激这一切或是感到惊恐?这几乎是 天网 ! 这一新改进的发布的 PyTorch 肯定会推动事情进一步向前! 在下方评论,随时与我们分享您的想法!
以上所述就是小编给大家介绍的《PyTorch 1.0预览版发布:Facebook最新的AI开源框架》,希望对大家有所帮助,如果大家有任何疑问请给我留言,小编会及时回复大家的。在此也非常感谢大家对 码农网 的支持!
猜你喜欢:- 开源中国 APP 4.7.1 版本更新丨图片预览分享
- 李沐等人开源中文书《动手学深度学习》预览版上线
- 微软开源3种Win框架 发布预览版Visual Studio 2019
- Zadig v1.0.0 预览版发布,开源分布式持续交付产品
- MXNet 创始人李沐等推出开源中文书《动手学深度学习》预览版
- 文件预览 kkFileView v1.1 新增多媒体预览支持等
本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。
算法(英文版•第4版)
[美] Robert Sedgewick、[美] Kevin Wayne / 人民邮电出版社 / 2016-3 / 129.00元
本书作为算法领域经典的参考书,全面介绍了关于算法和数据结构的必备知识,并特别针对排序、搜索、图处理和字符串处理进行了论述。第4 版具体给出了每位程序员应知应会的50 个算法,提供了实际代码,而且这些Java 代码实现采用了模块化的编程风格,读者可以方便地加以改造。本书配套网站提供了本书内容的摘要及更多的代码实现、测试数据、练习、教学课件等资源。一起来看看 《算法(英文版•第4版)》 这本书的介绍吧!