Das Open Source AI Framework von Facebook, PyTorch, sieht solide aus

Facebook setzt seine eigene Open-Source-KI PyTorch bereits ausgiebig in seinen eigenen Projekten zur künstlichen Intelligenz ein. Vor kurzem haben sie mit der Vorabversion 1.0 einen Vorsprung erreicht.

Für diejenigen, die nicht vertraut sind, ist PyTorch eine Python-basierte Bibliothek für wissenschaftliches Rechnen.

PyTorch nutzt die überlegene Rechenleistung von Grafikprozessoren (GPUs), um komplexe Tensor-Berechnungen durchzuführen und tiefe neuronale Netze zu implementieren. Daher wird es weltweit von zahlreichen Forschern und Entwicklern eingesetzt.

Diese neue gebrauchsfertige Preview-Version wurde auf der PyTorch-Entwicklerkonferenz am 2. Oktober 2018 in The Midway, San Francisco, Kalifornien, angekündigt.

Highlights von PyTorch 1.0 Release Candidate

Einige der wichtigsten neuen Funktionen im Release Candidate sind:

1. JIT

JIT ist eine Reihe von Compiler-Tools, mit denen die Forschung der Produktion nahe gebracht werden kann. Es enthält eine Python-basierte Sprache namens Fackelskript und Möglichkeiten, vorhandenen Code mit sich selbst kompatibel zu machen.

2. Neue Bibliothek torch.distributed: "C10D"

"C10D" ermöglicht den asynchronen Betrieb auf verschiedenen Backends mit Leistungsverbesserungen in langsameren Netzwerken und mehr.

3. C ++ Frontend (experimentell)

Obwohl es speziell als instabile API erwähnt wurde (wird in einer Vorabversion erwartet), handelt es sich um eine reine C ++ - Schnittstelle zum PyTorch-Backend, die der API und Architektur des etablierten Python-Frontends folgt, um Untersuchungen zu hoher Leistung und geringer Latenz zu ermöglichen Direkt auf der Hardware installierte C ++ - Anwendungen.

Weitere Informationen finden Sie in den vollständigen Update-Hinweisen zu GitHub.

Die erste stabile Version PyTorch 1.0 wird im Sommer veröffentlicht.

PyTorch unter Linux installieren

Um PyTorch v1.0rc0 zu installieren, empfehlen die Entwickler die Verwendung von conda, während es auch andere Möglichkeiten gibt, dies zu tun, wie auf ihrer lokalen Installationsseite gezeigt, wo sie alles Nötige im Detail dokumentiert haben.

Voraussetzungen

  • Linux

  • Pip
  • Python

  • CUDA (Für Nvidia-GPU-Besitzer)

Da wir Ihnen kürzlich gezeigt haben, wie Sie Pip installieren und verwenden, möchten wir Ihnen zeigen, wie Sie PyTorch damit installieren können.

Beachten Sie, dass PyTorch nur über GPU- und CPU-Varianten verfügt. Sie sollten diejenige installieren, die zu Ihrer Hardware passt.

Installation der alten und stabilen Version von PyTorch

Wenn Sie die stabile Version (Version 0.4) für Ihre GPU möchten, verwenden Sie:

pip install torch torchvision 

Verwenden Sie diese beiden Befehle nacheinander für eine stabile Version nur für die CPU:

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

Installieren von PyTorch 1.0 Release Candidate

Sie installieren die PyTorch 1.0 RC-GPU-Version mit diesem Befehl:

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

Wenn Sie keine GPU haben und eine reine CPU-Version bevorzugen, verwenden Sie:

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

Überprüfen Ihrer PyTorch-Installation

Starten Sie die Python-Konsole auf einem Terminal mit dem folgenden einfachen Befehl:

 python 

Geben Sie nun zeilenweise den folgenden Beispielcode ein, um Ihre Installation zu überprüfen:

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

Sie sollten eine Ausgabe erhalten wie:

 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]]) 

Verwenden Sie den folgenden Beispielcode, um zu überprüfen, ob Sie die GPU-Funktionen von PyTorch verwenden können:

 import torch torch.cuda.is_available() 

Die resultierende Ausgabe sollte sein:

 True 

Die Unterstützung für AMD-GPUs für PyTorch befindet sich noch in der Entwicklung. Daher wird noch keine vollständige Testabdeckung bereitgestellt, wie hier angegeben. Diese Ressource wird empfohlen, falls Sie eine AMD-GPU haben.

Schauen wir uns nun einige Forschungsprojekte an, die PyTorch intensiv nutzen:

Laufende Forschungsprojekte basierend auf PyTorch

  • Detectron: Das Softwaresystem von Facebook AI Research zum intelligenten Erkennen und Klassifizieren von Objekten. Es basiert auf Caffe2. Anfang dieses Jahres haben Caffe2 und PyTorch gemeinsam ein Research + Production-fähiges PyTorch 1.0 entwickelt, über das wir sprechen.

  • Unbeaufsichtigte Stimmungserkennung: Solche Methoden werden häufig in Verbindung mit Social-Media-Algorithmen verwendet.
  • vid2vid: Fotorealistische Video-zu-Video-Übersetzung
  • DeepRecommender (Wie solche Systeme funktionieren, haben wir in unserem letzten Netflix AI-Artikel behandelt)

Nvidia, führender GPU-Hersteller, hat in einem eigenen Update zu dieser jüngsten Entwicklung mehr darüber berichtet. Hier finden Sie auch Informationen zu laufenden Forschungsprojekten.

Wie sollen wir auf solche PyTorch-Fähigkeiten reagieren?

Wenn wir glauben, Facebook wendet solche erstaunlich innovativen Projekte und mehr in seinen Social-Media-Algorithmen an, sollten wir das alles zu schätzen wissen oder alarmiert sein? Das ist fast Skynet! Diese neu verbesserte, serienreife Vorabversion von PyTorch wird die Dinge sicherlich weiter voranbringen! Zögern Sie nicht, Ihre Gedanken in den Kommentaren unten mit uns zu teilen!

Empfohlen

MariaDB: Die Software, die Open Source speichern oder brechen könnte
2019
Installieren und Verwenden von MEGA Cloud Storage unter Linux
2019
openSUSE ist jetzt auf dem Windows-Subsystem für Linux verfügbar
2019