PyTorch, det Facebook-backade open source-biblioteket för Python-programmeringsspråket, har nått version 1.9 och ger stora förbättringar för vetenskaplig datoranvändning.
PyTorch har blivit ett av de viktigaste Python-biblioteken för människor som arbetar inom datavetenskap och AI. Microsoft har nyligen lagt till företagsstöd för PyTorch-djupinlärning på Azure. PyTorch har också blivit standard för AI-arbetsbelastningar på Facebook.
Googles TensorFlow och PyTorch integreras med viktiga Python-tillägg som NumPy och datavetenskapliga uppgifter som kräver snabbare GPU-bearbetning.
SE: Anställningssats: Python-utvecklare (TechRepublic Premium)
Linjär algebra för PyTorch modul torch.linalg har flyttat till stabil i version 1.9, vilket ger NumPy-användare ett välbekant tillägg för att arbeta med matte, enligt utgåvan.
Enligt dessa utgåvanoteringar utökar modulen “PyTorchs stöd för det med implementeringar av alla funktioner från NumPys linjära algebramodul (nu med stöd för acceleratorer och autograd) och mer, som torch.linalg.matrix_norm och torch.linalg.householder_product.”
Funktionen Complex Autograd flyttar också till stabil för att ge användarna ett sätt att “beräkna komplexa lutningar och optimera verkligt värderade förlustfunktioner med komplexa variabler.”
“Detta är en nödvändig funktion för flera nuvarande och nedströms potentiella användare av komplexa nummer i PyTorch som TorchAudio, ESPNet, Asteroid och FastMRI”, konstaterar PyTorch-projektet.
Det finns också några felsökningsgodisar i den här utgåvan med ett nytt fackel.use_determinstic_algorithms-alternativ. Om du aktiverar detta får operationer att fungera deterministiskt, om möjligt, annars kommer det att ge ett runtime-fel om de kan uppträda icke-bestämt.
Det finns en ny beta av torch.special-modulen – liknar SciPys specialmodul. Det ger många funktioner som är användbara för vetenskaplig databehandling och arbetar med distributioner som iv, ive, erfcx, logerfc och logerfcx.
Och den här versionen ger PyTorch Mobile-tolk, som är gjord för att köra program på edge-enheter. Det är en avsmalnande version av PyTorch-körningen. Detta bör göra stora nedskärningar av den binära storleken jämfört med den aktuella körtiden på enheten.
“Den nuvarande pt-storleken med MobileNetV2 i arm64-v8a Android är 8,6 MB komprimerad och 17,8 MB okomprimerad. Med Mobile Interpreter riktar vi oss mot den komprimerade storleken under 4 MB och den okomprimerade storleken under 8 MB”, konstaterar PyTorch-projektet.
Utvecklare av mobilappar kan också använda TorchVision-biblioteket på sina iOS- och Android-appar. Biblioteket innehåller C ++ TorchVision ops för att hjälpa till med uppgifter som objektdetektering och segmentering i videor och bilder.
SE: Det gamla programmeringsspråket är plötsligt varmt igen. Men dess framtid är fortfarande långt ifrån säker
Det finns flera tillägg för att hjälpa till med distribuerad utbildning för maskininlärningsalgoritmer. TorchElastic är nu i beta men en del av kärnan PyTorch och används för att “graciöst hantera skalningshändelser”.
Det finns också CUDA-stöd för RPC. CUDA RPC skickar tensorer från lokalt CUDA-minne till fjärr-CUDA-minne för effektivare peer-to-peer-tensorkommunikation.
På prestandafronten ger den här versionen av PyTorch också den stabila versionen av Freezing application protocol interface (API), en beta av PyTorch Profiler, en beta av Inference Mode API och en beta av torch.package, ett nytt sätt för att paketera PyTorch-modeller.
Utvecklare
De mest populära programmeringsspråken och var man kan lära sig dem Vad är en programutvecklare? Allt du behöver veta om programmerarrollen och hur den förändras Kodning är en lagsport men utvecklare är uppdelade i att arbeta hemifrån Vad är lågkod och ingen kod? En guide till utvecklingsplattformar Bästa webbhotell: Hitta rätt tjänst för din webbplats
Relaterade ämnen:
Enterprise Software Open Source Mobile OS 