O PyTorch do AI Open Source do Facebook está parecendo sólido

O Facebook já usa seu próprio Open Source AI, PyTorch bastante extensivamente em seus próprios projetos de inteligência artificial. Recentemente, eles ficaram à frente ao lançar uma versão de pré-lançamento 1.0.

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

O PyTorch aproveita o poder computacional superior das Unidades de Processamento Gráfico (Graphical Processing Units - GPUs) para realizar cálculos complexos do Tensor e implementar redes neurais profundas. Por isso, é amplamente utilizado em todo o mundo por inúmeros pesquisadores e desenvolvedores.

Esta nova Versão de Pré-visualização pronta para uso foi anunciada na Conferência de Desenvolvedores PyTorch no The Midway, San Francisco, CA, na terça-feira, 2 de outubro de 2018.

Destaques do PyTorch 1.0 Release Candidate

Alguns dos principais novos recursos do release candidate são:

1. JIT

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

2. Nova biblioteca torch.distributed: “C10D”

O “C10D” permite a operação assíncrona em diferentes backends 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 backend PyTorch que segue a API e arquitetura do frontend Python estabelecido para permitir pesquisa em alta performance, baixa latência e Aplicativos C ++ instalados diretamente no hardware.

Para saber mais, você pode dar uma olhada nas notas de atualização completas no GitHub.

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

Instalando o PyTorch no Linux

Para instalar o PyTorch v1.0rc0, os desenvolvedores recomendam o uso do conda, enquanto há outras maneiras de fazer isso, como mostrado na página de instalação local, onde documentaram tudo o que é necessário em detalhes.

Pré-requisitos

  • Linux

  • Pip
  • Python

  • CUDA (para proprietários de GPUs da Nvidia)

Como mostramos recentemente como instalar e usar o Pip, vamos conhecer como podemos instalar o PyTorch nele.

Observe que o PyTorch tem variantes de GPU e somente CPU. Você deve instalar o que se adapte ao seu hardware.

Instalando a versão antiga e estável do PyTorch

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

pip install torch torchvision 

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

 pip install //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 GPU do PyTorch 1.0 RC com este comando:

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

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

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

Verificando sua instalação PyTorch

Inicialize o console python em um terminal com o seguinte comando simples:

 python 

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

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

Você deve obter uma saída como:

 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 exemplo:

 import torch torch.cuda.is_available() 

A saída resultante deve ser:

 True 

O suporte para GPUs AMD para PyTorch ainda está em desenvolvimento, portanto, a cobertura de teste completa ainda não é fornecida, conforme relatado aqui, sugerindo esse recurso caso você tenha uma GPU AMD.

Vamos agora olhar para alguns projetos de pesquisa que usam extensivamente o PyTorch:

Projetos de pesquisa em andamento baseados no PyTorch

  • Detectron: Sistema de software do Facebook AI Research para detectar e classificar inteligentemente objetos. É baseado no Caffe2. No início deste ano, Caffe2 e PyTorch juntaram forças para criar um PyTorch 1.0 Research + Production, sobre o qual falamos.

  • Descoberta de Sentimento Não Supervisionado: Tais métodos são extensivamente usados ​​com algoritmos de mídia social.
  • vid2vid: Tradução de vídeo para vídeo fotorrealista
  • DeepRecommender (Nós cobrimos como esses sistemas funcionam no nosso artigo passado no Netflix AI)

A Nvidia, fabricante líder de GPU, falou mais sobre isso com suas próprias atualizações sobre este recente desenvolvimento, onde você também pode ler sobre os esforços contínuos de pesquisa colaborativa.

Como devemos reagir a esses recursos do PyTorch?

Para pensar que o Facebook aplica esses projetos incrivelmente inovadores e mais em seus algoritmos de mídia social, devemos apreciar tudo isso ou ficar alarmados? Isso é quase Skynet! Este recém-aperfeiçoado pré-lançamento pronto para produção do PyTorch irá certamente levar as coisas adiante! Sinta-se livre para compartilhar seus pensamentos conosco nos comentários abaixo!

Recomendado

Qalculate! - A melhor aplicação de calculadora em todo o universo
2019
Conheça Nitrux: A Distribuição Linux Mais Bonita de Sempre?
2019
Coisas para fazer depois de instalar o openSUSE Leap 15
2019