Import torchvision models as

PYTORCH haqida
O'zingizning afzalliklaringizni tanlang va o'rnatish buyrug'ini bajaring. Barqaror PyTorchning hozirda eng ko'p sinovdan o'tgan va qo'llab-quvvatlanadigan versiyasini ifodalaydi. Bu ko'plab foydalanuvchilar uchun mos bo'lishi kerak. Agar siz tunda ishlab chiqariladigan eng soʻnggi, toʻliq sinovdan oʻtmagan va qoʻllab-quvvatlanmaydigan 1.11 tuzilmalarini istasangiz, oldindan koʻrish mumkin. Iltimos , paket menejeringizga qarab quyidagi shartlarga (masalan, numpy) javob berganingizga ishonch hosil qiling. Anaconda bizning tavsiya etilgan paket menejerimizdir, chunki u barcha bog'liqliklarni o'rnatadi. PyTorch ning oldingiversiyalarini ham o'rnatishingiz mumkin . E'tibor bering, LibTorch faqat C++ uchun mavjud.
PyTorch Python-dan iOS va Android-da joylashtirishgacha bo'lgan uchdan-end ish jarayonini qo'llab-quvvatlaydi. U PyTorch API-ni mobil ilovalarga MLni kiritish uchun zarur bo'lgan umumiy qayta ishlash va integratsiya vazifalarini qamrab olish uchun kengaytiradi.
import torchvision.models as models
resnet18 = models.resnet18(pretrained=True)
alexnet = models.alexnet(pretrained=True)
squeezenet = models.squeezenet1_0(pretrained=True)
vgg16 = models.vgg16(pretrained=True)
densenet = models.densenet161(pretrained=True)
inception = models.inception_v3(pretrained=True)

ONNX-mos platformalar, ish vaqtlari, vizualizatorlar va boshqalarga to'g'ridan-to'g'ri kirish uchun standart ONNX (Ochiq Neyron Network Exchange) formatida modellarni eksport qiling.
PyTorch yirik bulutli platformalarda yaxshi qoʻllab-quvvatlanadi, bu oldindan yaratilgan tasvirlar orqali ishqalanishsiz rivojlanish va oson masshtablashni taʼminlaydi, GPU-lar boʻyicha keng koʻlamli treninglar, ishlab chiqarish miqyosidagi muhitda modellarni ishga tushirish qobiliyati va boshqalar.
Tadqiqotchilar va ishlab chiquvchilarning faol hamjamiyati PyTorch-ni kengaytirish va kompyuterni ko'rishdan tortib o'rganishni kuchaytirishgacha bo'lgan sohalarda rivojlanishni qo'llab-quvvatlash uchun boy vositalar va kutubxonalar ekotizimini yaratdi.
Python va C++ dan foydalanish mumkin bo'lgan jamoaviy operatsiyalar va tengdoshlar o'rtasidagi aloqani asinxron bajarish uchun mahalliy yordamdan foydalanib, tadqiqot va ishlab chiqarishda ishlashni optimallashtiring.
TorchScript yordamida PyTorch C++ ish vaqti muhitida tezlik, optimallashtirish va funksionallik uchun grafik rejimiga muammosiz oʻtish bilan birga, ishtiyoqli rejimda foydalanish qulayligi va moslashuvchanligini taʼminlaydi.
C++ old tomoni PyTorch uchun sof C++ interfeysi bo‘lib, o‘rnatilgan Python frontendining dizayni va arxitekturasiga amal qiladi. U yuqori unumdorlik, past kechikish va yalang'och metall C++ ilovalarida tadqiqot o'tkazishga mo'ljallangan.
PyTorch - bu GPU va protsessorlar yordamida chuqur o'rganish uchun optimallashtirilgan tenzor kutubxonasi.
Ushbu hujjatda tavsiflangan xususiyatlar chiqarish holati bo'yicha tasniflanadi:
Barqaror: Bu xususiyatlar uzoq muddatli saqlanib qoladi va odatda hujjatlarda ishlashda katta cheklovlar yoki bo'shliqlar bo'lmasligi kerak. Biz, shuningdek, orqaga qarab muvofiqlikni saqlab qolishni kutamiz (garchi jiddiy o'zgarishlar yuz berishi mumkin va ogohlantirish muddatidan oldin yuboriladi).
Beta: Bu funksiyalar Beta sifatida belgilangan, chunki API foydalanuvchi fikr-mulohazalari asosida o‘zgarishi mumkin, chunki unumdorlik yaxshilanishi kerak yoki operatorlar bo‘ylab qamrov hali tugallanmagan. Beta funksiyalari uchun biz bu xususiyatni Barqaror tasnifigacha ko‘rishga majburmiz. Biroq, biz orqaga qarab muvofiqlikka intilmayapmiz.
Prototip: Bu xususiyatlar odatda PyPI yoki Conda kabi ikkilik taqsimotlarning bir qismi sifatida mavjud emas, ba'zan ish vaqti bayroqlari ortidan tashqari va fikr-mulohaza va sinov uchun dastlabki bosqichda.
Eslatmalar

• 
  Avtomatik aralash nozik misollar
  
• 
  Avtograd mexanikasi
  
• 
  Translyatsiya semantikasi
  
• 
  Protsessor o'tkazish va TorchScript xulosasi
  
• 
  CUDA semantikasi
  
• 
  Parallel taqsimlangan ma'lumotlar
  
• 
  PyTorch kengaytirilmoqda
  
• 
  tez-tez so'raladigan savollar
  
• 
  Gradcheck mexanikasi
  
• 
  HIP (ROCm) semantikasi
  
• 
  Keng miqyosda joylashtirish uchun xususiyatlar
  
• 
  Modullar
  
• 
  Ko'p ishlov berishning eng yaxshi amaliyotlari
  
• 
  Qayta ishlab chiqarish qobiliyati
  
• 
  Serializatsiya semantikasi
  
• 
  Windows haqida tez-tez so'raladigan savollar
  

Til bog'lashlari

• 
  C++
  
• 
  Javadoc
  

Python API

• 
  mash'al
  
• 
  torch.nn
  
• 
  torch.nn.functional
  
• 
  mash'al. Tensor
  
• 
  Tensor atributlari
  
• 
  Tensor ko'rinishlari
  
• 
  torch.autograd
  
• 
  torch.cuda
  
• 
  torch.cuda.amp
  
• 
  torch.backends
  
• 
  mash'al.tarqalgan
  
• 
  mash'ala.tarqatilgan.algoritmlar.qo'shilish
  
• 
  mash'al.tarqatilgan.elastik
  
• 
  mash'ala.tarqatilgan.optim
  
• 
  mash'ala.tarqatishlar
  
• 
  torch.fft
  
• 
  mash'al.futures
  
• 
  torch.fx
  
• 
  torch.hub
  
• 
  torch.jit
  
• 
  torch.linalg
  
• 
  mash'al.maxsus
  
• 
  mash'al. bekor qiladi
  
• 
  mash'al.paket
  
• 
  mash'al.profiler
  
• 
  torch.nn.init
  
• 
  torch.onnx
  
• 
  mash'al.optim
  
• 
  Kompleks sonlar
  
• 
  DDP aloqa ilgaklari
  
• 
  Quvur liniyasining parallelligi
  
• 
  Kvantlash
  
• 
  Tarqalgan RPC Framework
  
• 
  mash'al.tasodifiy
  
• 
  mash'al.siyrak
  
• 
  mash'al. Saqlash
  
• 
  mash'ala.testing
  
• 
  torch.utils.benchmark
  
• 
  torch.utils.bottleneck
  
• 
  torch.utils.checkpoint
  
• 
  torch.utils.cpp_extension
  
• 
  torch.utils.data
  
• 
  torch.utils.dlpack
  
• 
  torch.utils.mobile_optimizer
  
• 
  torch.utils.model_zoo
  
• 
  torch.utils.tensorboard
  
• 
  Ma'lumotni kiriting
  
• 
  Tensorlar deb nomlangan
  
• 
  Nomlangan Tensorlar operatori qamrovi
  
• 
  mash'al.__config__
  

Kutubxonalar

• 
  torchaudio
  
• 
  mash'al matni
  
• 
  mash'al ko'rish
  
• 
  TorchServe
  
• 
  XLA qurilmalaridagi PyTorch
  

Jamiyat

• 
  PyTorch hissa qo'shish bo'yicha qo'llanma
  
• 
  PyTorch boshqaruvi
  
• 
  PyTorch boshqaruvi | Qiziqarli shaxslar
  

Xulosa
Biz bu mustaqil ishda Python va C++ dan foydalanish mumkin bo'lgan jamoaviy operatsiyalar va tengdoshlar o'rtasidagi aloqani asinxron bajarish uchun mahalliy yordamdan foydalandik, tadqiqot va ishlab chiqarishda ishlashni optimallashtirishni urgandik.
C++ old tomoni PyTorch uchun sof C++ interfeysi bo‘lib, o‘rnatilgan Python frontendining dizayni va arxitekturasiga amal qilinadi ekan. U yuqori unumdorlik, past kechikish va yalang'och metall C++ ilovalarida tadqiqot o'tkazishga mo'ljallangan edi. Bizni bundan tashqari yana urganishga harakat qilamiz.