पाइटौर्च

• ग्राफिक्स प्रोसेसिंग यूनिट (GPU) के माध्यम से मजबूत त्वरण के साथ टेनसर कंप्यूटिंग (जैसे नमपाइ )
• गम्भीर तंत्रिका नेटवर्क जो टेप-आधारित स्वचालित भेदभाव प्रणाली पर बनाया गया है

  पाइटौर्च

  Original author(s)	आदम पसज़्के, सैम ग्रॉस, सौमित चिंताला, ग्रेगोरी चानन
  Developer(s)	फेसबुक कृत्रिम बुद्धि अनुसंधान प्रयोगशाला (FAIR)
  Initial release	September 2016 (2016-)
  Stable release	1.6.0 / July 28, 2020 (2020--28)
  साँचा:template other
  Repository	github.com/pytorch/pytorch
  Written in	Python, C++, CUDA
  Operating system	Linux, macOS, Windows
  Platform	IA-32, x86-64
  Available in	अंग्रेजी
  Type	यंत्र शिक्षण और् गंभीर शिक्षण के लिए
  License	BSD
  Website	pytorch.org

  साँचा:template other

  पाइटौर्च एक मुक्त स्रोत यंत्र शिक्षण पुस्तकालय के आधार पर बाना टौर्च पुस्तकालय है, जिसका इस्तेमाल संगणक दृष्टि (computer vision) और प्राकृतिक भाषा संसाधन मे होता है, मुख्य रूप से फेसबुक के कृत्रिम बुद्धि अनुसंधान प्रयोगशाला (FAIR) द्वारा विकसित है। यह संशोधित बीएसडी लाइसेंस के तहत मुक्त और ओपन-सोर्स सॉफ्टवेयर है। हालांकि पायथन इंटरफ़ेस अधिक उन्नत और विकास का प्राथमिक केन्द्र है, पाइटौर्च में सी++ अंतराफलक भी है।

  गम्भीर शिक्षण सॉफ्टवेयर के कई टुकड़े जैसे टेस्ला ऑटोपायलट , उबेर का पायरो, हगिंगफेस का ट्रांसफॉर्मर्स, पियार्च लाइटनिंग , और कैटलिस्ट पाइटोर्च के शीर्ष पर बनाए गए हैं।

  पाइटौर्च दो उच्च-स्तरीय सुविधाएँ प्रदान करता है:

  
  

  इतिहास

  फेसबुक कोनवोल्युशन आर्कीटेक्टर फॉर फास्ट फीचर एंबेडिंग ( Caffe2 ) और पाइटौर्च दोनों को संचालित करता है, लेकिन दोनो फ्रेमवर्क द्वारा परिभाषित मॉडल परस्पर असंगत है। ओपन न्यूरल नेटवर्क एक्सचेंज ( ONNX ) परियोजना फेसबुक और माइक्रोसॉफ्ट द्वारा सितंबर 2017 में दोनो फ्रेमवर्क के बीच मॉडल परिवर्तित करने के लिए बनाई गई थी। Caffe2 को मार्च 2018 के अंत में PyTorch में मिला दिया गया था।

  पाइटौर्च टेंसर्स

  पाइटौर्च एक क्लास को परिभाषित करता है जिसे Tensor कहा जाता है (torch.Tensor) जो संख्याओं के सजातीय बहुआयामी आयताकार सरणियों को संग्रहीत और संचालित करता है। पाइटौर्च टेंसर्स, नमपाइ Arrays के समान है, लेकिन कूडा-सक्षम एनवीडीआ GPU पर भी संचालित किये जा सकते है। PyTorch Tensors के विभिन्न उप-प्रकारों का समर्थन करता है।

  मॉड्यूल

  ऑटोग्राड मॉड्यूल

  पाइटोर्च स्वचालित भेदभाव नामक एक विधि का उपयोग करता है। एक रिकॉर्डर रिकॉर्ड करता है कि ऑपरेशन ने कैसा प्रदर्शन किया है, और फिर यह ग्रेडिएंट्स की गणना करने के लिए इसे पीछे की ओर दोहराता है। यह विधि विशेष रूप से शक्तिशाली होती है जब फॉरवर्ड पास पर मापदंडों के विभेदीकरण की गणना करके एक पर समय बचाने के लिए तंत्रिका नेटवर्क का निर्माण किया जाता है।

  ओपटीम मॉड्यूल

  torch.optim एक मॉड्यूल है जो तंत्रिका नेटवर्क के निर्माण के लिए उपयोग किए जाने वाले विभिन्न अनुकूलन एल्गोरिदम को लागू करता है। आमतौर पर उपयोग किए जाने वाले अधिकांश मेथडस पहले से ही समर्थित हैं, इसलिए उन्हें फिर से बनाने की कोई आवश्यकता नहीं है।

  एनएन मॉड्यूल

  पाइटोर्च ऑटोग्राद, कम्प्यूटेशनल ग्राफ़ को परिभाषित करना और ग्रेडिएंट लेना आसान बनाता है, लेकिन जटिल न्यूरल नेटवर्क को परिभाषित करने के लिए कच्चा ऑटोग्रैड थोड़ा कम-स्तर हो सकता है। यह वह जगह है जहाँ nn मॉड्यूल मदद कर सकता है।

  यह सभी देखें

  • डीप लर्निंग सॉफ्टवेयर की तुलना
  • विभिन्न प्रोग्रामिंग
  • DeepSpeed
  • टौर्च (यंत्र शिक्षण)
  • टेन्सर

  संदर्भ

  बाहरी कड़ियाँ

  • Official website