O Open Source AI Framework PyTorch do Facebook parece sólido

4 de outubro de 2018

O Facebook já usa sua própria IA de código aberto, PyTorch, de forma bastante extensiva em seus próprios projetos de inteligência artificial. Recentemente, eles foram uma liga à frente, lançando uma versão de pré-lançamento 1.0.

Para aqueles que não estão familiarizados, PyTorch é uma biblioteca baseada em Python para Computação Científica.

PyTorch aproveita o poder computacional superior de unidades de processamento gráfico (GPUs) para realizar cálculos complexos Tensor e implementar redes neurais profundas. Portanto, ele é amplamente utilizado em todo o mundo por vários pesquisadores e desenvolvedores.

Este novo [lançamento de amostra] pronto para uso (https://code.fb.com/ai-research/facebook-accelerates-ai-development-with-new-partners-and-production-capabilities-for-pytorch-1-0) foi anunciado na PyTorch Developer Conference em The Midway, San Francisco, CA na terça-feira, 2 de outubro de 2018.

Destaques do PyTorch 1.0 Release Candidate

PyTorhc é um framework de IA de código aberto baseado em Python do Facebook PyTorhc é um framework de IA de código aberto baseado em Python do Facebook Alguns dos novos recursos principais no candidato a lançamento são:

1. Jit

JIT é um conjunto de ferramentas de compilador para aproximar a pesquisa da produção. Inclui uma linguagem baseada em Python chamada Torch Script e também maneiras de tornar o código existente compatível com ele mesmo.

2. Nova biblioteca torch.distributed: C10D

O C10D permite operação assíncrona em diferentes back-ends com melhorias de desempenho em redes mais lentas e muito mais.

3. Frontend C ++ (experimental)

Embora tenha sido especificamente mencionado como uma API instável (esperada em um pré-lançamento), esta é uma interface C ++ pura para o back-end PyTorch que segue a API e a arquitetura do frontend Python estabelecido para permitir pesquisas em alto desempenho, baixa latência e Aplicativos C ++ instalados diretamente no hardware.

Para saber mais, você pode dar uma olhada nas [notas de atualização] completas (https://github.com/pytorch/pytorch/releases/tag/v1.0rc0) no GitHub.

A primeira versão estável do PyTorch 1.0 será lançada no verão.

Instalando PyTorch no Linux

Para instalar o PyTorch v1.0rc0, os desenvolvedores recomendam usar conda, embora também haja outras maneiras de fazer isso, conforme mostrado na página de instalação local, onde documentaram tudo o que é necessário em detalhes.

Pré-requisitos

  • Linux

  • Pip

  • Pitão

  • CUDA (para proprietários de GPU Nvidia)

Como recentemente mostramos a você como instalar e usar o Pip, vamos saber como podemos instalar o PyTorch com ele.

Observe que o PyTorch tem variantes apenas de GPU e CPU. Você deve instalar aquele que se adapta ao seu hardware.

Instalando a versão antiga e estável do PyTorch

Se você deseja a versão estável (versão 0.4) para sua GPU, use:

Comandos para usar no terminal

pip install torch torchvision

Use estes dois comandos em sucessão para uma versão estável apenas para CPU:

Comandos para usar no terminal

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

Instalando o PyTorch 1.0 Release Candidate

Você instala a versão da GPU PyTorch 1.0 RC com este comando:

Comandos para usar no terminal

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

Se você não tiver uma GPU e preferir uma versão somente para CPU, use:

Comandos para usar no terminal

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

Verificando a instalação do PyTorch

Inicie o console Python em um terminal com o seguinte comando simples:

Comandos para usar no terminal

python

Agora insira o seguinte código de amostra linha por linha para verificar sua instalação:

Comandos para usar no terminal

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

Você deve obter uma saída como:

Comandos para usar no terminal

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]])

Para verificar se você pode usar os recursos de GPU do PyTorch, use o seguinte código de amostra:

Comandos para usar no terminal

import torch torch.cuda.is_available()

A saída resultante deve ser:

Comandos para usar no terminal

True

O suporte para GPUs AMD para PyTorch ainda está em desenvolvimento, portanto a cobertura de teste completa ainda não foi fornecida conforme relatado aqui, sugerindo este recurso no caso de você ter uma GPU AMD.

Vamos agora dar uma olhada em alguns projetos de pesquisa que usam extensivamente o PyTorch:

Projetos de pesquisa em andamento baseados no PyTorch

A Nvidia, fabricante líder de GPU, cobriu mais sobre isso com sua própria atualização neste desenvolvimento recente, onde você também pode ler sobre os esforços de pesquisa colaborativa em andamento.

Como devemos reagir a esses recursos do PyTorch?

E pensar que o Facebook aplica projetos tão incrivelmente inovadores e muito mais em seus algoritmos de mídia social, devemos apreciar tudo isso ou ficar alarmados? Isso é quase Skynet! Este pré-lançamento de PyTorch recém-melhorado e pronto para produção certamente levará as coisas mais adiante! Sinta-se à vontade para compartilhar suas idéias conosco nos comentários abaixo!

Confira também a versão original desse post em inglês
Esse post foi originalmente escrito por Avimanyu Bandyopadhyay e publicado no site itsfoss.com. Tradução sujeita a revisão.

Facebook’s Open Source AI Framework PyTorch is Looking Solid

Propaganda
Blog Comments powered by Disqus.
Propaganda