• ورود
  • هیچ محصولی در سبد خرید نیست.

کتابخانه PyTorch

چرا PyTorch

کتابخانه PyTorch یک کتابخانه open source بررمبنای کتابخانه Torch است. درواقع یک بسته محاسباتی بر مبنای پایتوون است، که از قدرت (GPU) استفاده می کند. برای یادگیری عمیق یکی از انعطاف پذیر ترین و سریعترین کتابخانه ها است. برای یادگیری عمیق و یادگیری زبان طبیعی (NLP) بیشترین کاربرد را دارد.

اما پاسخ به سوال فوق بسیار ساده است. PyTorch کتابخانه پویا و انعطاف پذیری است. کاربر می تواند باتوجه به نیازهای خود از آن استفاده کند. در رقابت های اخیر که در سایت kaggle برگزار شده است PyTorch جزو ۱۰ مسابقه برتر بود است.

PyTorch بزرگترین رقیب TensorFlow است .یکی از کتابخانه های محبوب در زمینه یادگیری عمیق و هوش مصنوعی می باشد.

تاریخچه کتابخانه PyTorch

این کتابخانه در سال ۲۰۱۶ توسط تیم هوش مصنوعی Facebook ساخته شد. در اکتبر سال ۲۰۱۶ عرضه شد.

the three major cloud providers—Amazon, Microsoft, and Google—now provide

کمپانی هایی مثل Apple، ADP, Pepsico, NVIDIA و Walmart برای یادگیری عمیق و آنالیز پیش بینی ها از این کتابخانه استفاده می کنند.

کمپانیی های Amazon ، Microsoft و Google امروزه cloud computing را بر مبنای PyTorch 1.1 تولید کرده و آماده عرضه است.

نحوه نصب کتابخانه PyTorch

برای نصب این کتابخانه می توانید با این صفحه مراجعه کنید.

کاربرد کتابخانه:

این کتابخانه برای AI استفاده می شود. کاربرد عمیق این کتابخانه برای یادگیری عمیق است.

PyTorch از محاسبات Tensor و نمودارهای محاسباتی پویا است. بر خلاف نمودارهایی که در چارچوب استاتیک هستند مثل TensorFlow، می تواند رفتار شبکه در حال اجرا را تغییر دهد. همچنین این امکان را دارد تا رفتار شبکه را بررسی کند و ساختار را بررسی می کند.

مثال های کاربردی:

پردازش تصویر

دسته بندی تصاویر

تشخیص دست خط

یادگیری زبان طبیعی (NLP)

تشخیص اشیاء در تصویر و ویدیو

آنالیز شبکه های اجتماعی

محیط اجرای کتابخانه PyTorch

  • قابل اجرا درLinux و Windows , macOS
  • Cloud as a web service
  • در موبایل مثل iOS و اندروید

لیست الگوریتم هایی که با کتابخانه PyTorch پشتیبانی می شوند

Neural Network

deep learning

classification

PyTorch

مزایای:

  • PyTorch بر مبنای پایتون است. به راحتی با کتابخانه های آن ادغام می شود.
  • یادگیری آسان حتی برای افراد مبتدی
  • قابل استفاده در ویندوز و لینوکس
  • بالاترین بهره وری برای توسعه دهندگان
  • اشکال زدایی آسان
  • امکان موازی سازی داده ها
  • پشتیبانی از نمودار محاسباتی پویا
  • پشتیبانی از cloud

معایب :

  • جدید است و هنوز کابران زیادی از آن استفاده نمی کنند.
  • کامل نبودن آموزش ها بخاطر جدید بودن کتابخانه

ویژگی های جدید و بهبود ها کتابخانه PyTorch:

  • تعبیه مستقیم
  • مدل سرور
  • پشتیبانی مستقیم Tensorboard
  • توسعه بهبود های قابل حمل مثل : کامپایلر JIT و رابط کاربری طراحی شده با C++
  • مدل micro services

کتابخانه TensorFlow

کتابخانه Keras

دیگر کتابخانه های پایتون

مطالعه بیشتر

تیر ۲۱, ۱۳۹۹
0 0 vote
Article Rating
Subscribe
Notify of
guest
4 Comments
Oldest
Newest Most Voted
Inline Feedbacks
View all comments
ورژن 4 طراحی شده با ❤