Il s'agit de l'application Linux nommée PyTorch dont la dernière version peut être téléchargée sous le nom PyTorch2.1_automaticdynamicshapecompilation,distributedcheckpointingsourcecode.zip. Il peut être exécuté en ligne chez le fournisseur d'hébergement gratuit OnWorks pour les postes de travail.
Téléchargez et exécutez en ligne cette application nommée PyTorch avec OnWorks gratuitement.
Suivez ces instructions pour exécuter cette application :
- 1. Téléchargé cette application sur votre PC.
- 2. Entrez dans notre gestionnaire de fichiers https://www.onworks.net/myfiles.php?username=XXXXX avec le nom d'utilisateur que vous voulez.
- 3. Téléchargez cette application dans ce gestionnaire de fichiers.
- 4. Démarrez l'émulateur en ligne OnWorks Linux ou Windows en ligne ou l'émulateur en ligne MACOS à partir de ce site Web.
- 5. Depuis le système d'exploitation OnWorks Linux que vous venez de démarrer, accédez à notre gestionnaire de fichiers https://www.onworks.net/myfiles.php?username=XXXXX avec le nom d'utilisateur que vous souhaitez.
- 6. Téléchargez l'application, installez-la et exécutez-la.
CAPTURES D'ÉCRAN:
PyTorch
DESCRIPTION:
PyTorch est un package Python qui offre un calcul Tensor (comme NumPy) avec une forte accélération GPU et des réseaux de neurones profonds construits sur un système autograd basé sur des bandes. Ce projet permet une expérimentation rapide et flexible et une production efficace.
PyTorch se compose de torch (bibliothèque Tensor), torch.autograd (bibliothèque de différenciation automatique basée sur bande), torch.jit (une pile de compilation [TorchScript]), torch.nn (bibliothèque de réseaux de neurones), torch.multiprocessing (Python multiprocessing), et torch.utils (DataLoader et autres fonctions utilitaires). PyTorch peut être utilisé en remplacement de Numpy ou en tant que plate-forme de recherche d'apprentissage en profondeur offrant une flexibilité et une vitesse optimales.
Caractéristiques
- TorchScript
- Formation distribuée
- Outils et bibliothèques
- Partenaires cloud
- Prise en charge native d'ONNX
- Front-end C++
- cadre d'apprentissage automatique
Catégories
Il s'agit d'une application qui peut également être récupérée à partir de https://sourceforge.net/projects/pytorch.mirror/. Il a été hébergé dans OnWorks afin d'être exécuté en ligne de la manière la plus simple à partir de l'un de nos systèmes d'exploitation gratuits.