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 
रचनाकार आदम पसज़्के, सैम ग्रॉस, सौमित चिंताला, ग्रेगोरी चानन डेवलपर फेसबुक कृत्रिम बुद्धि अनुसंधान प्रयोगशाला (FAIR) पहला संस्करण सितम्बर 2016[1] आखिरी संस्करण 1.6.0
/ 28 जुलाई 2020प्रोग्रामिंग भाषा Python, C++, CUDA ऑपरेटिंग सिस्टम Linux, macOS, Windows प्लेटफॉर्म IA-32, x86-64 भाषा अंग्रेजी प्रकार यंत्र शिक्षण और् गंभीर शिक्षण के लिए लाइसेंस BSD वेबसाइट pytorch .org पाइटौर्च एक मुक्त स्रोत यंत्र शिक्षण पुस्तकालय के आधार पर बाना टौर्च पुस्तकालय है, [2] [3] [4] जिसका इस्तेमाल संगणक दृष्टि (computer vision) और प्राकृतिक भाषा संसाधन मे होता है, [5] मुख्य रूप से फेसबुक के कृत्रिम बुद्धि अनुसंधान प्रयोगशाला (FAIR) द्वारा विकसित है। [6] [7] [8] 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। [9]
गम्भीर शिक्षण सॉफ्टवेयर के कई टुकड़े जैसे टेस्ला ऑटोपायलट [10], उबेर का पायरो, [11] हगिंगफेस का ट्रांसफॉर्मर्स, [12] पियार्च लाइटनिंग [13] [14], और कैटलिस्ट पाइटोर्च के शीर्ष पर बनाए गए हैं। [15] [16]
पाइटौर्च दो उच्च-स्तरीय सुविधाएँ प्रदान करता है: [17]
इतिहास संपादित करें
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। [18]
पाइटौर्च टेंसर्स संपादित करें
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। [19]मॉड्यूल संपादित करें
ऑटोग्राड मॉड्यूल संपादित करें
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 संपादित करें
torch.optimएक 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 संपादित करें
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
nnमॉड्यूल मदद कर सकता है।यह सभी देखें संपादित करें
- डीप लर्निंग सॉफ्टवेयर की तुलना
- विभिन्न प्रोग्रामिंग
- DeepSpeed
- टौर्च (यंत्र शिक्षण)
- टेन्सर
संदर्भ संपादित करें
- ↑ Chintala, Soumith (1 September 2016). "PyTorch Alpha-1 release".
- ↑ Yegulalp, Serdar (19 January 2017). "Facebook brings GPU-powered machine learning to Python". InfoWorld. अभिगमन तिथि 11 December 2017.
- ↑ Lorica, Ben (3 August 2017). "Why AI and machine learning researchers are beginning to embrace PyTorch". O'Reilly Media. अभिगमन तिथि 11 December 2017.
- ↑ Ketkar, Nikhil (2017). "Introduction to PyTorch". Deep Learning with Python (अंग्रेज़ी में). Apress, Berkeley, CA. पपृ॰ 195–208. आई॰ऍस॰बी॰ऍन॰ 9781484227657. डीओआइ:10.1007/978-1-4842-2766-4_12.
- ↑ "Natural Language Processing (NLP) with PyTorch – NLP with PyTorch documentation". dl4nlp.info (अंग्रेज़ी में). मूल से 21 जून 2019 को पुरालेखित. अभिगमन तिथि 2017-12-18.
- ↑ Patel, Mo (2017-12-07). "When two trends fuse: PyTorch and recommender systems". O'Reilly Media (अंग्रेज़ी में). अभिगमन तिथि 2017-12-18.
- ↑ Mannes, John. "Facebook and Microsoft collaborate to simplify conversions from PyTorch to Caffe2". TechCrunch (अंग्रेज़ी में). अभिगमन तिथि 2017-12-18.
FAIR is accustomed to working with PyTorch – a deep learning framework optimized for achieving state of the art results in research, regardless of resource constraints. Unfortunately in the real world, most of us are limited by the computational capabilities of our smartphones and computers.
- ↑ Arakelyan, Sophia (2017-11-29). "Tech giants are using open source frameworks to dominate the AI community". VentureBeat (अंग्रेज़ी में). अभिगमन तिथि 2017-12-18.
- ↑ "The C++ Frontend". PyTorch Master Documentation. अभिगमन तिथि 2019-07-29.
- ↑ Karpathy, Andrej. "PyTorch at Tesla - Andrej Karpathy, Tesla".
- ↑ "Uber AI Labs Open Sources Pyro, a Deep Probabilistic Programming Language". Uber Engineering Blog (अंग्रेज़ी में). 2017-11-03. अभिगमन तिथि 2017-12-18.
- ↑ PYTORCH-TRANSFORMERS: PyTorch implementations of popular NLP Transformers, PyTorch Hub, 2019-12-01, अभिगमन तिथि 2019-12-01
- ↑ PYTORCH-Lightning: The lightweight PyTorch wrapper for ML researchers. Scale your models. Write less boilerplate, Lightning-Team, 2020-06-18, अभिगमन तिथि 2020-06-18
- ↑ "Ecosystem Tools". pytorch.org (अंग्रेज़ी में). अभिगमन तिथि 2020-06-18.
- ↑ GitHub - catalyst-team/catalyst: Accelerated DL & RL, Catalyst-Team, 2019-12-05, अभिगमन तिथि 2019-12-05
- ↑ "Ecosystem Tools". pytorch.org (अंग्रेज़ी में). अभिगमन तिथि 2020-04-04.
- ↑ "PyTorch – About". pytorch.org. मूल से 2018-06-15 को पुरालेखित. अभिगमन तिथि 2018-06-11.
- ↑ "Caffe2 Merges With PyTorch". 2018-04-02.
- ↑ "An Introduction to PyTorch – A Simple yet Powerful Deep Learning Library". analyticsvidhya.com. 2018-02-22. अभिगमन तिथि 2018-06-11.
बाहरी कड़ियाँ संपादित करें
