Il framework AI Open Source di Facebook PyTorch è alla ricerca di Solid

Facebook utilizza già la sua Open Source AI, PyTorch abbastanza estesamente nei propri progetti di intelligenza artificiale. Di recente, hanno fatto un salto di qualità rilasciando una versione di anteprima della versione 1.0.

Per coloro che non hanno familiarità, PyTorch è una libreria basata su Python per Scientific Computing.

PyTorch sfrutta la potenza di calcolo superiore delle GPU (Graphical Processing Units) per l'esecuzione di computazioni Tensor complesse e l'implementazione di reti neurali profonde. Quindi, è ampiamente utilizzato in tutto il mondo da numerosi ricercatori e sviluppatori.

Questa nuova versione Preview pronta per l'uso è stata annunciata alla PyTorch Developer Conference presso The Midway, San Francisco, CA, martedì 2 ottobre 2018.

Punti salienti di PyTorch 1.0 Release Candidate

Alcune delle principali nuove funzionalità del candidato alla versione sono:

1. JIT

JIT è un insieme di strumenti di compilazione per portare la ricerca vicino alla produzione. Include un linguaggio basato su Python chiamato Torch Script e anche modi per rendere il codice esistente compatibile con se stesso.

2. Nuova libreria torch.distributed: "C10D"

"C10D" consente operazioni asincrone su diversi backend con miglioramenti delle prestazioni su reti più lente e altro ancora.

3. Frontend C ++ (sperimentale)

Sebbene sia stata specificatamente menzionata come API instabile (prevista in una pre-release), questa è un'interfaccia C ++ pura al backend PyTorch che segue l'API e l'architettura del frontend Python stabilito per consentire la ricerca in alte prestazioni, bassa latenza e Applicazioni C ++ installate direttamente sull'hardware.

Per saperne di più, puoi dare un'occhiata alle note di aggiornamento complete su GitHub.

La prima versione stabile PyTorch 1.0 verrà rilasciata in estate.

Installare PyTorch su Linux

Per installare PyTorch v1.0rc0, gli sviluppatori consigliano di usare conda mentre ci sono anche altri modi per farlo, come mostrato nella loro pagina di installazione locale dove hanno documentato tutto il necessario in dettaglio.

Prerequisiti

  • Linux

  • seme
  • Pitone

  • CUDA (per i possessori di GPU Nvidia)

Come abbiamo recentemente mostrato come installare e utilizzare Pip, impariamo come installare PyTorch con esso.

Si noti che PyTorch ha varianti GPU e solo CPU. Dovresti installare quello che si adatta al tuo hardware.

Installazione della versione vecchia e stabile di PyTorch

Se vuoi la versione stabile (versione 0.4) per la tua GPU, usa:

pip install torch torchvision 

Usa questi due comandi in successione per una versione stabile solo per CPU:

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

Installazione di PyTorch 1.0 Release Candidate

Installa la versione GPU RC di PyTorch 1.0 con questo comando:

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

Se non hai una GPU e preferiresti una versione solo CPU, usa:

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

Verifica dell'installazione di PyTorch

Avviare la console Python su un terminale con il seguente semplice comando:

 python 

Ora inserisci il seguente codice di esempio riga per riga per verificare la tua installazione:

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

Dovresti ottenere un risultato come:

 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]]) 

Per verificare se è possibile utilizzare le funzionalità GPU PyTorch, utilizzare il seguente codice di esempio:

 import torch torch.cuda.is_available() 

L'output risultante dovrebbe essere:

 True 

Il supporto per le GPU AMD per PyTorch è ancora in fase di sviluppo, quindi la copertura completa del test non è ancora stata fornita come riportato qui, suggerendo questa risorsa nel caso in cui si disponga di una GPU AMD.

Consente ora di esaminare alcuni progetti di ricerca che utilizzano estesamente PyTorch:

Progetti di ricerca in corso basati su PyTorch

  • Detectron: il sistema software di Facebook AI Research per rilevare e classificare in modo intelligente gli oggetti. È basato su Caffe2. All'inizio di quest'anno, Caffe2 e PyTorch hanno unito le forze per creare un PyTorch 1.0 di ricerca + produzione di cui parliamo.

  • Rilevamento sentimentato non sorvegliato: tali metodi sono ampiamente utilizzati con gli algoritmi dei social media.
  • vid2vid: traduzione video-video fotorealistica
  • DeepRecommender (Abbiamo spiegato come funzionano tali sistemi sul nostro passato Netflix AI article)

Nvidia, azienda leader nella produzione di GPU, si è occupata maggiormente di questo aspetto con il proprio aggiornamento su questo recente sviluppo in cui è possibile leggere anche gli sforzi di ricerca collaborativa in corso.

Come dovremmo reagire a tali capacità di PyTorch?

Pensare che Facebook applichi progetti così straordinariamente innovativi e molto altro nei suoi algoritmi sui social media, dovremmo apprezzare tutto questo o allarmarci? Questo è quasi Skynet! Questa pre-release di PyTorch, pronta per la produzione e recentemente migliorata, spingerà sicuramente più avanti le cose! Sentiti libero di condividere i tuoi pensieri con noi nei commenti qui sotto!

Raccomandato

4 migliori strumenti gratuiti e open source per l'elaborazione di immagini RAW in Linux
2019
NVIDIA termina il supporto per i sistemi operativi a 32 bit
2019
I migliori editor di testo per Linux Command Line
2019