嘘禁止想象,深度学习结构 PyTorch 为何值得学,doctor

AI Conference in Beijing

终究时机:AI Confere嘘制止幻想,深度学习结构 PyTorch 为何值得学,doctornce 2019北京站门票正在热销中,机不可失!

咱们知道,深度学习的开展和推动,在某种程度上也是一场结构的争夺战,其间 Google 嘘制止幻想,深度学习结构 PyTorch 为何值得学,doctor发布的 TensorFlow 和 Facebook 主力支撑的 P翻斗车yTorch 是最耀眼的两颗明星。咱们今日就来看看其间一位明星 PyTorch,看看它为何值得学。

简略介绍

PyTorch 着重从研讨到出产

来历:https://pytorch.org/

依据官网介绍,PyTorch 是一个开源的深度学习渠道,供给从研讨原型到出产布置的无缝途径(An open so卵巢urce deep learning platform that provides a seamless path from research prototyping to production deployment)。

PyTorch 的盛行度仅次于 TensorFlow。而最近一年,在 GitHub 重视度和贡献者的增加方面,PyTorch 跟 TensorFlow 根本相等。乃至,PyTorch 的查找热度继续上涨,加上 FastAI 的加持,PyTorch 无疑会得到越来越多的机器学习从业者的喜爱。

盛行度尽管能够阐明问题,可是,你必定要知道更多,才干了解 PyTorch 为什么值得学,你在什么情况下需求学习 PyTorch 。

PyT海思orch 要害开展节点

2017 年 1 月,Facebook AI 研讨团队发布 PyTorch,一个依据 Torch 的 Python 工具包,专门用于 GPU 加快的深度学习编程。

2017 年 8 月,PyTorch 主角姓叶是京城叶枫V 0.2.0 发布,引进播送、高档索引、高阶梯度、新图层,以及分布式练习等,前两者进一步便利了 Tensor 与 Numpy 互转。

2018 年 4 月,Caffe2 代码兼并到 PyTorch。Faceboo拉k 计划将 P戎行人才网yTorch 的研讨特性与 Caffe2 的出产特性更好地结合起来。

2018 年 4 月,PyTorch V 0.4嘘制止幻想,深度学习结构 PyTorch 为何值得学,doctor.0 发布,新特性包含 Tensor 和 Variable 兼并,强化 Numpy 风格的 Tensor 构建等,并正式支撑 Windows 体系。

2018 年 10 月,PyTorch V 1.0.0 发布,交融 PyTorch 本身灵活性、研讨优势与 Caffe2 的后端与运用才能、ONNX 的结构转化才能于一体;一同 FastAI V1.0 发布,可用单一 API写真艺术 玩转常见深度学习运用,大大降低了深度学习的学习门槛。

2019 年 5 月,PyTorch V 1.1 发布,供给了新的 API,原生支撑 T周杰伦女儿姓名ensorBoard 和自界说循环神经网络,并提升了功能。

PyTorch 刚走过了 2 年 4 个月的时刻,开展适当敏捷。

PyTorch 当时稳定版及相关装备

来历:https://pytorch.org/

受欢迎程度

Jeff Hale 4 月份在 Medium 上宣布了一篇文章,比较了 TensorFlow、PyTorch、keras 和 FastAI 的盛行度,全面包括职位需求、运用、学术研讨和爱好等维度。Jeff 依据多个招聘网站在线职位查找、Google Trends、GitHub 活跃度、Arxiv 文章数、Medium 文章数、Quora 相关问题重视人数核算核算出了一个归纳的增加分数。咱们这儿引证一下终究成果图片:

深度学习结构半年增加分数

(2018 年 10 月-2019 年 3 月)

能够看到 戴向宇Tenso嘘制止幻想,深度学习结构 PyTorch 为何值得学,doctorrFlow 稳居榜首,而 PyTorch 体现也十分抢眼,未来的需求和开展十分值得等待。

PyTorch 中心优势:动态核算图

PyTorch 是一款强壮的动态核算图形式的嘘制止幻想,深度学习结构 PyTorch 为何值得学,doctor深度学习结构。大部分结构是静态核算图形式,其运用模型在运转之前就现已确认了,而 PyTorch 支撑在运转过程中依据运转参数动态改动运用模型。能够简略了解为:一种是先界说后运用,另一种是边运用边界说。动态核算图嘘制止幻想,深度学习结构 PyTorch 为何值得学,doctor形式是 PyTorch 的天然优势之一,Google 本年 3 月份发布的 TensorFlow 2.0 Alpha 版别中的 Eager 无敌浩克Execution,被认为是在动态核算图形式上追逐 PyTorch 的行动。

静态核算图形式结构在履行核算图之前需求先声明和编译。 尽管在实践出产中这种完成比较高效,但在研讨和开发中十分繁琐。

以 PyTorch 为代表的动态核算图结构则无需在每次履行之前编译模型。在建模 NLP 使命时,每个输入都或许导致不同的图结构,因而动态图就肯定占优了——这也是 PyTorch 在处理许多问题上(尤其是 RNN 相关问题)更高效的原因。

此外,动态图机制在调试方面十分便利,根本上,假如核算图运转犯错,就能够在仓库盯梢界说图的代码行。有人描述调试 PyTorch 就跟调试 Python 相同,经过断点检查就能够高效解决问题。

PyTorch 更多优势

深化了解与运用肠痉挛 PyTorch

假如你想深化细致了解运用 PyTorch 快速高效地构建深度学习模型,那么——

资深数据科学家 Rich Ott 在O’Reilly主办的 AI C嘘制止幻想,深度学习结构 PyTorch 为何值得学,doctoronference 2019 北京站上主讲的「PyTorch 深度学习」课程值得学习,学习时刻为期两天,详细为 6 月 18 日 ~ 6 月 19 日。

有cosarcsinx志于将来投身人工智能范畴的 Python 开发者、牛黄清心丸Python 数据分析师,以及想进一步深化了解 PyTorch 的机器学习工程师、算法工程师,不要错失这次与国外资深专业人士一同学习的时机。

导师:Richard Ott

T赵四he Data Incubator 数据科学家,酷爱数据科学,并致力于数据常识的传达与教育。曾在 Ver灵脉傲神州izon 担任数据科学家和软件工程师。麻省理工学院粒子物理学博士,加州大学戴维斯分校博士后。

学习内容

前置常识

6 月 18 日

6 月 19 日

参考资料

Natural Language Processing with PyTorch: Build Intelligent Language Applications U唐朝好地主sing Deep Learning

https://towardsdatascience.com/which-deep-learning-framework-is-growing-fastest-3f77f14aa318

https://www.ibm.com/developerworks/cn/cognitive/library/cc-get-started-pytorch/index.html

https://ven逆袭turebeat.com/2019/05/01/facebook-launches-pytorch-1-1-with-tensorboard-support/

AI Conference 2019北京站正在炽热报名中,请点击 阅览原文登录会议官网检查讲师和议题概况。

现在是会前优惠票价的终究阶段,座位有限,抢票赶快。

声明:该文观念仅代表作者自己,搜狐号系信息发布渠道,搜狐仅供给信息存储空间服务。