Friendoffriends
Facebook gab bekannt, dass Microsoft die Entwicklung und Wartung des PyTorch-Builds für Windows übernommen hat.
Für diejenigen, die es nicht wissen, ist PyTorch eine Bibliothek für maschinelles Lernen für die Programmiersprache Python, die zugänglicher ist als andere Deep-Learning-Tools.
Der Schritt ist ein Versuch von Microsoft, die Leistung der Bibliothek auf Windows 10-Computern und dem Windows-Subsystem für Linux (WSL) zu verbessern, einem bevorzugten Tool für Entwickler zum Ausführen von Linux-Distributionen.
Wofür wird PyTorch verwendet??
PyTorch wurde im Januar 2017 von Facebook veröffentlicht und basiert auf Torch, einem wissenschaftlichen Computer-Framework und einer Skriptsprache.
Das Tool unterstützt Entwickler bei der Verwendung von Python-Paketen zum maschinellen Lernen und unterstützt GPU-beschleunigte Berechnungen für Datenaufgaben.
PyTorch wird von Experten als eines der am schnellsten wachsenden Projekte auf GitHub angesehen, daher das große Interesse von Microsoft.
Facebook verwendete PyTorch im Tool Translate für künstliche Intelligenz, das die Übersetzung für 48 Sprachen auf Facebook ermöglicht.
Laut der Ankündigung ist die Windows-Unterstützung für PyTorch hinter anderen Plattformen zurückgeblieben.
Mangelnde Testabdeckung führte hin und wieder zu unerwarteten Problemen. Einige der wichtigsten Tutorials, in denen neue Benutzer PyTorch lernen und anwenden können, können nicht ausgeführt werden.
Die Installationserfahrung war auch nicht so reibungslos, da PyTorch unter Windows nicht offiziell von PyPI unterstützt wurde.
Schließlich waren einige der PyTorch-Funktionen auf der Windows-Plattform einfach nicht verfügbar, z. B. die TorchAudio-Domänenbibliothek und die Unterstützung für verteilte Schulungen.
PyTorch wird die CUDA-Plattform von WSL und Nvidia verbessern
Wie oben erwähnt, wird die Verlagerung von PyTorch auf Microsoft auch dazu beitragen, die WSL unter Windows 10 zu verbessern, das eine Vorschauunterstützung für GPU-beschleunigtes maschinelles Lernen (ML) bietet.
Dies eröffnet Entwicklern und Datenwissenschaftlern die Möglichkeit, die CUDA-Plattform von Nvidia zu nutzen, um das Training zu beschleunigen.
Bist du ein Entwickler? Wie denkst du über diesen Schritt? Erzählen Sie uns alles darüber in den Kommentaren unten.
- Programmiertools und Tipps
