Machine Learning med Pytorch, C++ og Nvidia’s CUDA (GPU)

Machine Learning med Pytorch, C++ og Nvidia’s CUDA (GPU)

Open Source distributionen Pytorch 1.0 er efterhånden et populært udviklingsværktøj som er sponsoreret af bl.a. Facebook. Pytorch er en direkte konkurrent til Google’s Tensorflow.
Pytoch understøttes af Agil Udvikling A/S og vore egne lokale danske server hosting centre (EJBY/GLOSTRUP/LYNGBY/ÅRHUS) med bl.a. NVIDIA grafikkort og CUDA og man kan tillige køre på populære Cloud Platforme såsom AWS, Google Cloud Platform og Microsoft Azure.

Det nye er nu, at med Pytorch kan kompilere til C++ og andre effektive sprog.
Pytorch, som er et rent open source miljø til machine learning, er baseret på Python og Nvidias vektorsystem CUDA, der afvikles på grafikprocessorkort. Dette giver en hidtil uhørt hastighed og at man nu krydskompilere koden til C++ eller et andet effektivt sprog via en just-in-time-compiler.

Med Pytorch er det ikke bare Python, der kan oversættes til C++ men en helt ny mulighed, Torch Script, giver dig en Pythons nemme syntaks og kode, som så kan afvikles med høj effektivitet. Torch Script er i forvejen i sig selv en del af Python.

Pytorch bruge direkte Torch Script til krydskompilering imellem miljøer og man kan tillige angive en metadata-decorator (annotation) til Python-kode. Sidstnævnte er dog ikke helt så heldigt og så effektivt som med Torch Script.

  • Du kan se selve hovednyheden her på Pytorch: https://pytorch.org/blog/the-road-to-1_0/
  • Eller på den begejstrede Facebook Developer side: https://developers.facebook.com/blog/post/2018/05/02/announcing-pytorch-1.0-for-research-production/

Sidstnævnte er interessant læsning som nogenlunde oversat lyder:

PyTorch 1.0 til både forskning og produktion

Vejen med AI-udvikling fra forskning til produktion har historisk involveret flere trin og værktøjer, hvilket gør det tidskrævende og kompliceret at teste nye tilgange, implementere dem og iterere for at forbedre nøjagtigheden og ydeevnen. For at hjælpe med at accelerere og optimere denne proces introducerer vi PyTorch 1.0, den næste version af vores open source AI-miljø.

PyTorch 1.0 tager de modulære, produktionsorienterede kapaciteter fra Caffe2 og ONNX og kombinerer dem med PyTorchs eksisterende fleksible, forsknings fokuserede design, der giver en hurtig og problemfri vej fra forsknings prototyper til produktion i en bred vifte af AI-projekter. Med PyTorch 1.0 kan AI-udviklere både eksperimentere hurtigt og optimere ydeevnen gennem en hybrid front, der problemfrit overgår mellem imperative og declarative execution modes. Teknologien i PyTorch 1.0 har allerede drevet mange Facebook-produkter og -tjenester i stor skala, herunder at udføre 6 milliarder tekstoversættelser pr. Dag. Det er miljøet bag at oversætte poster på websitet fb.com.

PyTorch 1.0 vil være tilgængelig i beta inden for de kommende måneder, og vil indeholde en række værktøjer, biblioteker, præ-uddannede modeller og datasæt til hvert udviklingsstadium, der gør det muligt for samfundet hurtigt at oprette og implementere nye AI-innovationer i målestok.


 

About the Author:

Agile Development Denmark is a danish development house who can offer agile programming, education, supervision and can provide Hosting and APP development. We also provide service and do editing in many Open Source CMS systems and do also consider us self a leader in the SQL and NOSQL industry.

Leave A Comment