文档章节

Pytorch是什么?关于Pytorch!

earnpls
 earnpls
发布于 2017/07/25 09:14
字数 1210
阅读 175
收藏 0

PyTorch是一个提供两个高级功能的python包:

  1. 具有强GPU加速度的张量计算(如numpy)
  2. 深层神经网络建立在基于磁带的自动调整系统上

您可以重用您最喜爱的python软件包,如numpy,scipy和Cython,以便在需要时扩展PyTorch。

PyTorch在细粒度级别是由以下组件组成的库:

  1. 包 描述
  2. torch 像NumPy这样的Tensor图书馆,拥有强大的GPU支持
  3. torch.autograd 一种基于磁带的自动分类库,支持所有可区分的Tensor操作手电筒
  4. torch.nn 一个神经网络库与autograd设计了最大的灵活性torch.optim 一种与torch.nn一起使用的优化包,具有标准优化方法,如SGD,RMSProp,LBFGS,Adam等。
  5. torch.multiprocessing python多处理,但是具有魔法内存共享的手电筒传感器跨过程。适用于数据加载和hogwild培训。torch.utils DataLoader,Trainer等实用功能为方便起见
  6. torch.legacy(.nn / .optim) 由于向后兼容性原因,已经从割炬移植的旧代码

通常使用PyTorch可以:

使用GPU的功能代替numpy。 一个深刻的学习研究平台,提供最大的灵活性和速度

进一步阐述:

GPU准备好的Tensor库

如果你使用numpy,那么你已经使用了Tensors(aka ndarray)。 GPU准备好的Tensor库

PyTorch提供可以在CPU或GPU上生活的Tensors,并加速计算量。

我们提供各种各样的张量程序,以加速和适应您的科学计算需求,如切片,索引,数学运算,线性代数,缩减。他们快!

动态神经网络:基于磁带的自动格式

PyTorch具有构建神经网络的独特方式:使用和重放磁带录音机。

大多数框架,比如请输入代码TensorFlowTheanoCaffeCNTK拥有世界的静态视图。必须建立一个神经网络,并重复使用相同的结构。改变网络的行为方式意味着必须从头开始。

使用PyTorch,我们使用一种称为反向模式自动分化的技术,它允许您以零延迟或开销改变网络的任意运行方式。我们的灵感来自于在这个题目的几个研究论文,以及当前和过去的工作,如 autograd, autograd, Chainer等。

虽然这种技术并不是PyTorch所特有的,但它是迄今为止最快的实现之一。您可以为您的疯狂研究获得最佳的速度和灵活性。 PyTorch动态神经网络

Python第一

PyTorch不是一个Python绑定到一个单一的C ++框架。它被构建为深入整合到Python中。您可以自然地使用它,就像您将使用numpy / scipy / scikit学习等。您可以使用自己喜欢的库并使用CythonNumba等软件包,在Python本身编写新的神经网络层。我们的目标是不要在适当的时候重塑轮子。

势在必得的经验

PyTorch的设计是直观的,线性的思想和易于使用。当您执行一行代码时,它将被执行。没有一个异步的世界观。当您进入调试器或接收错误消息和堆栈跟踪时,理解它们是直接的。堆栈跟踪正好指向您的代码定义的位置。我们希望您不要花费几个小时来调试代码,因为堆栈跟踪错误或异步和不透明的执行引擎。

快速和精益

PyTorch具有最小的框架开销。我们集成加速库,如英特尔MKL和NVIDIA(CuDNN,NCCL),以最大限度地提高速度。核心是CPU和GPU Tensor和神经网络后端(TH,THC,THNN,THCUNN)都是用C99 API写成独立的库。 它们已经成熟,并已经过多年的测试。

因此,PyTorch相当快 - 无论您是运行小型或大型神经网络。

PyTorch的内存使用率与Torch或其他一些替代品相比非常有效。我们为GPU编写了自定义内存分配器,以确保您的深入学习模型具有最大的内存效率。这使您能够训练比以前更大的深入学习模型。

扩展没有痛苦

编写新的神经网络模块,或与PyTorch的Tensor API进行接口的设计是简单而且抽象最少的。

您可以使用torch API 或您喜欢的基于numpy的库(如SciPy)在Python中编写新的神经网络层

如果你想用C / C ++图层,我们根据一个扩展API CFFI是有效的,并以最小的样板。 没有需要编写的包装器代码。你可以在这里看到一个例子


原创文章,转载请注明 :Pytorch是什么?关于Pytorch! - pytorch中文网
原文出处: https://ptorch.com/news/1.html
问题交流群 :168117787

本文转载自:https://ptorch.com/news/1.html

共有 人打赏支持
earnpls
粉丝 5
博文 26
码字总数 74
作品 0
昌平
程序员
私信 提问
一文读懂PyTorch张量基础(附代码)

本文介绍了PyTorch中的Tensor类,它类似于Numpy中的ndarray,它构成了在PyTorch中构建神经网络的基础。 我们已经知道张量到底是什么了,并且知道如何用Numpy的ndarray来表示它们,现在我们看...

技术小能手
06/13
0
0
PyTorch 你想知道的都在这里

本文转载地址,并进行了加工。本文适用于深度学习新手的“入门指导系列”,也有适用于老司机的论文代码实现,包括 Attention Based CNN、A3C、WGAN、BERT等等。所有代码均按照所属技术领域分...

readilen
10/20
0
0
PyTorch:60分钟入门学习

最近在学习PyTorch这个深度学习框架,在这里做一下整理分享给大家,有什么写的不对或者不好的地方,还请大侠们见谅啦~~~ 写在前面 本文就是主要是对PyTorch的安装,以及入门学习做了记录,...

与阳光共进早餐
01/15
0
0
PyTorch 1.0 预览版发布:90% 的功能能经受住业界的考验

10 月 3 日,在首届 PyTorch 开发者大会上,Facebook 正式发布 PyTorch 1.0 开发者预览版,在带来 PyTorch 1.0 一系列更新的同时,还重点介绍了该框架的生态支持和教育方面的合作。 早在今年...

丛末
10/03
0
0
库、教程、论文实现,这是一份超全的PyTorch资源列表(Github 2.2K星)

选自 Github,作者:bharathgs,机器之心编译。 机器之心发现了一份极棒的 PyTorch 资源列表,该列表包含了与 PyTorch 相关的众多库、教程与示例、论文实现以及其他资源。在本文中,机器之心...

机器之心
10/22
0
0

没有更多内容

加载失败,请刷新页面

加载更多

设计模式之---工厂方法

package com.atguigu.java; //接口的应用:工厂方法的设计模式 //体会:面向接口编程的思想 public class FactoryMethodTest { public static void main(String[] args) { IWorkFactory fac......

architect刘源源
37分钟前
1
1
工作中的一些Git使用

git stash list 查看所有stash git stash apply 0 应用序号为0那个stash并且不删除它 git stash pop 0 应用序号为0那个stash并且删除删除删除它 git stash save "env" stash当前的改动并且取...

-___-
49分钟前
1
0
C# webservice 配置总结

为了方便下次查看,把总结配置文件放这里,看的方便。 <?xml version="1.0" encoding="utf-8"?><!-- 有关如何配置 ASP.NET 应用程序的详细消息,请访问 http://go.microsoft.com/f...

轻轻的往前走
58分钟前
0
0
SpringCloud之Eureka

Eureka简介 什么是Eureka? Eureka是一种基于rest提供服务注册和发现的产品: Eureka-Server: 用于定位服务,以实现中间层服务器的负载平衡和故障转移。 Eureka-client:用于服务间的交互,内...

lc_fly1
今天
4
0
系统维护和tcp连接

查看系统负载 1 w 命令 w命令用于显示系统当前负载 和系统已登录的用户. 查看系统CPU 和核数: cat /proc/cpuinfo| grep 'cpu cores' 第一行显示 :04:41:16 up 8:56, 1 user, load average: 0...

Fc丶
今天
4
0

没有更多内容

加载失败,请刷新页面

加载更多

返回顶部
顶部