این برنامه ویندوز به نام PyTorch است که آخرین نسخه آن را می توان با نام PyTorch1.10.2Release,smalbugfixrelease.zip دانلود کرد. می توان آن را به صورت آنلاین در ارائه دهنده میزبانی رایگان OnWorks برای ایستگاه های کاری اجرا کرد.
این اپلیکیشن به نام PyTorch را با OnWorks به صورت آنلاین دانلود و اجرا کنید.
برای اجرای این برنامه این دستورالعمل ها را دنبال کنید:
- 1. این برنامه را در رایانه شخصی خود دانلود کنید.
- 2. در فایل منیجر ما https://www.onworks.net/myfiles.php?username=XXXXX نام کاربری مورد نظر خود را وارد کنید.
- 3. این برنامه را در چنین فایل منیجر آپلود کنید.
- 4. هر شبیه ساز آنلاین OS OnWorks را از این وب سایت راه اندازی کنید، اما شبیه ساز آنلاین ویندوز بهتر است.
- 5. از OnWorks Windows OS که به تازگی راه اندازی کرده اید، به مدیر فایل ما https://www.onworks.net/myfiles.php?username=XXXXX با نام کاربری که می خواهید بروید.
- 6. برنامه را دانلود و نصب کنید.
- 7. Wine را از مخازن نرم افزار توزیع لینوکس خود دانلود کنید. پس از نصب، می توانید روی برنامه دوبار کلیک کنید تا آنها را با Wine اجرا کنید. همچنین می توانید PlayOnLinux را امتحان کنید، یک رابط کاربری فانتزی بر روی Wine که به شما کمک می کند برنامه ها و بازی های محبوب ویندوز را نصب کنید.
Wine راهی برای اجرای نرم افزار ویندوز بر روی لینوکس است، اما بدون نیاز به ویندوز. Wine یک لایه سازگار با ویندوز منبع باز است که می تواند برنامه های ویندوز را مستقیماً بر روی هر دسکتاپ لینوکس اجرا کند. اساساً، Wine در تلاش است تا به اندازه کافی از ویندوز را از ابتدا مجدداً پیاده سازی کند تا بتواند همه آن برنامه های ویندوز را بدون نیاز به ویندوز اجرا کند.
اسکرین شات ها:
PyTorch
DESCRIPTION:
PyTorch یک بسته پایتون است که محاسبات Tensor (مانند NumPy) را با شتاب قوی GPU و شبکه های عصبی عمیق ساخته شده بر روی سیستم autograd مبتنی بر نوار ارائه می دهد. این پروژه امکان آزمایش سریع، انعطاف پذیر و تولید کارآمد را فراهم می کند.
PyTorch شامل torch (کتابخانه Tensor)، torch.autograd (کتابخانه تمایز خودکار مبتنی بر نوار)، torch.jit (یک پشته کامپایل [TorchScript])، torch.nn (کتابخانه شبکه های عصبی)، torch.multiprocessing (چندپردازش پایتون)، و torch.utils (DataLoader و سایر توابع ابزار). PyTorch می تواند به عنوان جایگزینی برای Numpy یا به عنوان یک پلت فرم تحقیقاتی یادگیری عمیق که انعطاف پذیری و سرعت مطلوب را فراهم می کند استفاده شود.
امکانات
- TorchScript
- آموزش توزیع شده
- ابزارها و کتابخانه ها
- شرکای ابری
- پشتیبانی ONNX بومی
- C++ front-end
- چارچوب یادگیری ماشینی
دسته بندی ها
این برنامه ای است که می توان آن را از https://sourceforge.net/projects/pytorch.mirror/ نیز دریافت کرد. در OnWorks میزبانی شده است تا به آسانی از یکی از سیستم عامل های رایگان ما به صورت آنلاین اجرا شود.