PyTorch

From Wikipedia, the free encyclopedia

Créateur Adam Paszke, Sam Gross, Soumith Chintala, Gregory Chanan
Dernière version 2.10.0 ()[1]Voir et modifier les données sur Wikidata
PyTorch
Description de l'image Pytorch logo.png.
Informations
Créateur Adam Paszke, Sam Gross, Soumith Chintala, Gregory Chanan
Dernière version 2.10.0 ()[1]Voir et modifier les données sur Wikidata
Dépôt github.com/pytorch/pytorchVoir et modifier les données sur Wikidata
Écrit en C++, Python, C et Compute Unified Device ArchitectureVoir et modifier les données sur Wikidata
Système d'exploitation Linux, macOS et Microsoft WindowsVoir et modifier les données sur Wikidata
Formats lus PyTorch Serialized File Format (d)Voir et modifier les données sur Wikidata
Formats écrits PyTorch Serialized File Format (d)Voir et modifier les données sur Wikidata
Type Bibliothèque logicielle
Bibliothèque logicielle Python (d)
Structure logicielle d'apprentissage automatique (d)Voir et modifier les données sur Wikidata
Licence BSD 3-clausesVoir et modifier les données sur Wikidata
Documentation pytorch.org/docs/stable/index.htmlVoir et modifier les données sur Wikidata
Site web pytorch.orgVoir et modifier les données sur Wikidata

PyTorch est une bibliothèque logicielle Python open source d'apprentissage automatique qui s'appuie sur Torch (en) développée par Meta[2].

PyTorch est gouverné par la PyTorch Foundation[3].

PyTorch permet d'effectuer les calculs tensoriels nécessaires notamment pour l'apprentissage profond (deep learning). Ces calculs sont optimisés et effectués soit par le processeur (CPU) soit, lorsque c'est possible, par un processeur graphique (GPU) supportant CUDA. PyTorch a été créé par les équipes de recherche de Facebook, précédées par les travaux de recherche de Ronan Collobert au cœur de l'équipe de Samy Bengio[4] à l'IDIAP.

PyTorch se présente sous les traits d'un dérivé d'un logiciel antérieur, Torch, dont l'utilisation nécessitait la maîtrise du langage Lua. PyTorch est désormais indépendant de Lua et se programme en Python.

PyTorch permet, entre autres, de:

  • manipuler des tenseurs (tableaux multidimensionnels), de les échanger facilement avec Numpy et d'effectuer des calculs efficaces sur CPU ou GPU (par exemple, des produits de matrices ou des convolutions);
  • calculer des gradients pour appliquer facilement des algorithmes d'optimisation par descente de gradient. PyTorch utilise la bibliothèque autograd[5].

PyTorch définit une classe appelée Tensor (torch.Tensor) pour stocker les données et opérer sur des tableaux rectangulaires multidimensionnels homogènes de nombres. Les tenseurs PyTorch sont similaires aux tableaux NumPy, mais peuvent également être utilisés sur un GPU Nvidia compatible CUDA. PyTorch prend en charge divers sous-types de Tensors[6].

Historique

En Caffe2 (en) fusionne avec PyTorch [7]. PyTorch rejoint la Fondation Linux en septembre 2022[8].

Exemple

PyTorch Tensors

Notes et références

Related Articles

Wikiwand AI