PyTorch, det Facebook-backede open source-bibliotek til Python-programmeringssproget, har nået version 1.9 og bringer store forbedringer inden for videnskabelig computing.
PyTorch er blevet et af de mere vigtige Python-biblioteker for folk, der arbejder inden for datalogi og AI. Microsoft tilføjede for nylig virksomhedsstøtte til PyTorch dyb læring på Azure. PyTorch er også blevet standarden for AI-arbejdsbelastninger på Facebook.
Googles TensorFlow og PyTorch integreres med vigtige Python-tilføjelser som NumPy og datavidenskabelige opgaver, der kræver hurtigere GPU-behandling.
SE: Ansættelsessæt: Python-udvikler (TechRepublic Premium)
Den lineære PyTorch-algebra modul torch.linalg er flyttet til stabil i version 1.9, hvilket giver NumPy-brugere en velkendt tilføjelse til at arbejde med matematik, ifølge udgivelsesnoter.
I henhold til disse udgivelsesnotater udvider modulet “PyTorchs understøttelse af det med implementeringer af hver funktion fra NumPys lineære algebramodul (nu med understøttelse af acceleratorer og autograd) og mere, som fakkel.linalg.matrix_norm og fakkel.linalg.husholdning.”
Den komplekse Autograd-funktion flytter også til stabil for at give brugerne en måde at “beregne komplekse gradienter og optimere reelle værdiansatte tabsfunktioner med komplekse variabler.”
“Dette er en påkrævet funktion for flere aktuelle og downstream-potentielle brugere af komplekse tal i PyTorch som TorchAudio, ESPNet, Asteroid og FastMRI,” bemærker PyTorch-projektet.
Der er også nogle debugging-godbidder i denne udgivelse med en ny fakkel.use_determinstic_algorithms mulighed. Aktivering af dette får operationer til at opføre sig deterministisk, hvis det er muligt, ellers vil det medføre en runtime-fejl, hvis de muligvis opfører sig ikke-bestemt.
Der er en ny beta af torch.special-modulet – svarende til SciPys specielle modul. Det bringer mange funktioner, der er nyttige til videnskabelig computing og arbejde med distributioner som iv, ive, erfcx, logerfc og logerfcx.
Og denne version bringer PyTorch Mobile-tolk, som er lavet til at udføre programmer på edge-enheder. Det er en slanket version af PyTorch runtime. Dette skal gøre store nedskæringer i den binære størrelse sammenlignet med den aktuelle runtime på enheden.
“Den aktuelle pt-størrelse med MobileNetV2 i arm64-v8a Android er 8,6 MB komprimeret og 17,8 MB ukomprimeret. Ved hjælp af Mobile Interpreter målretter vi mod den komprimerede størrelse under 4 MB og ukomprimeret størrelse under 8 MB,” bemærker PyTorch-projektet.
Mobile app-udviklere kan også bruge TorchVision-biblioteket på deres iOS- og Android-apps. Biblioteket indeholder C ++ TorchVision ops til at hjælpe med opgaver som objektdetektering og segmentering i videoer og billeder.
SE: Dette gamle programmeringssprog er pludselig varmt igen. Men dens fremtid er stadig langt fra sikker
Der er flere tilføjelser til at hjælpe med distribueret træning til maskinlæringsalgoritmer. TorchElastic er nu i beta men en del af kernen i PyTorch og bruges til at “håndtere skaleringshændelser med yndefuldhed”.
Der er også CUDA-understøttelse af RPC. CUDA RPC sender tensorer fra lokal CUDA-hukommelse til ekstern CUDA-hukommelse for mere effektiv peer-to-peer-tensorkommunikation.
På performancefronten bringer denne version af PyTorch også den stabile frigivelse af Freezing application protocol interface (API), en beta af PyTorch Profiler, en beta af Inference Mode API og en beta af torch.package, en ny måde at pakke PyTorch-modeller.
Udvikler
De mest populære programmeringssprog, og hvor man kan lære dem Hvad er en softwareudvikler? Alt hvad du behøver at vide om programmørrollen, og hvordan det ændrer sig Kodning er en teamsport, men udviklere er uenige i at arbejde hjemmefra. Hvad er low-code og no-code? En guide til udviklingsplatforme Bedste webhosting: Find den rigtige service til dit websted
Relaterede emner:
Enterprise Software Open Source Mobile OS 