Eager実行とグラフ実行
PyTorchはTorchScriptを使ってeager実行とグラフモードを切り替えられ、チームが実験から本番向けのワークフローへモデルを移行するのに役立ちます。
PyTorch
認証するPyTorchは、機械学習モデルの構築・学習・デプロイに使えるオープンソースの深層学習フレームワークです。ローカル導入、クラウドのクイックスタート、初心者から上級者向けのドキュメントに対応。
概要
PyTorchはPyTorch Foundationによって管理されているオープンソースの深層学習フレームワークで、PyTorchフレームワークとエコシステムのコミュニティの拠点として紹介されています。機械学習モデルの構築、学習、デプロイに使われ、初心者から上級者向けまでを対象としたドキュメントとチュートリアルが用意されています。
このサイトは、ローカルインストールとクラウドベースのクイックスタートという2つの主要なワークフローを重視しています。ローカルインストールページでは、インストールコマンドを生成する前にOS、パッケージ種類、言語、計算プラットフォームを選択できます。一方、ドキュメントでは、TorchScript、TorchServe、分散学習などの本番志向の機能が強調されています。
主な機能
分散学習
torch.distributedバックエンドは、研究および本番ワークロード向けのスケーラブルな分散学習と性能最適化をサポートします。
TorchServeによるモデル配信
TorchServeは、ホームページ上で本番提供のためのデプロイ手段として紹介されています。
関連ツールのエコシステム
このプロジェクトは、Captum、PyTorch Geometric、skorchなどの注目プロジェクトを含む、より広いツールとライブラリのエコシステムを中心に位置づけられています。
ガイド付きインストールセレクター
インストールフローでは、OS、パッケージ、言語、計算プラットフォームを選んでからコマンドを生成できるため、対象環境に合わせてより具体的にセットアップできます。
クラウドとパートナーのサポート
サイトでは、対応するクラウド環境でのクイックスタート向けに、AWS、Google Cloud Platform、Microsoft Azure、lightning.aiなどのクラウドパートナーが案内されています。
一般的なユースケース
ローカルでのフレームワーク導入
OS、パッケージ、言語、計算プラットフォームを選択し、生成されたインストールコマンドを実行して、Linux、macOS、またはWindowsにPyTorchをローカルでセットアップします。
インストールの検証
`torch` をインポートし、簡単なテンソルの例を実行して新規インストールを検証します。インストールページでは、環境が正しく動作していることを確認するためにこの手順が使われています。
分散学習ワークフロー
ドキュメントで説明されている `torch.distributed` バックエンドを使って、スケーラブルな分散学習や性能最適化が必要なモデルを構築・学習します。
本番デプロイ
ホームページとドキュメントで強調されている本番対応の流れに沿って、TorchScriptとTorchServeを使いながらモデルを本番環境へ移行します。
学習とオンボーディング
ゼロから始める場合や新しいワークフローに広げる場合に、公式チュートリアル、レシピ、ドキュメント、クラウドのクイックスタートを通じてフレームワークを学習します。
Pros and Cons
Pros
- 幅広いドキュメントとチュートリアルを備えたオープンソースのフレームワークです。
- CPU、CUDA、ROCmのオプションを含め、複数のOSと計算対象をサポートしています。
- ローカルインストールとクラウドパートナーの開始点の両方を提供しています。
- TorchScript、TorchServe、分散学習などの本番ワークフローが強調されています。
- 関連するライブラリやプロジェクトの広いエコシステムが紹介されています。
Cons
- 確認した内容では、`/pricing` の料金ページが404を返すため、サイト上で料金やプラン構成を確認できません。
- インストール手順は詳細で環境依存のため、OS、パッケージ、言語、計算オプションを慎重に選ぶ必要があるかもしれません。
- 一部の機能は別々のページで説明されているため、全体のワークフローを理解するにはホーム、インストール、ドキュメント、チュートリアルの各ページを行き来する必要がある場合があります。
FAQ
PyTorchには公開された価格設定がありますか？
PyTorchはオープンソースのフレームワークであるため、確認したページには有料の料金プランは表示されていません。収集した証拠にある料金ページのURLは404ページが見つかりませんでしたを返します。
PyTorchはどのようにインストールしますか？
Get Startedページではpipを使ったインストールに対応しており、Linux、macOS、Windows向けにStableとPreviewの選択可能なビルドが表示されています。また、LibTorchはC++でのみ利用可能であることも示されています。
インストールフローはどのプラットフォームとランタイムをサポートしていますか？
ローカルインストールのフローでは、ビルドセレクターでPython、C++、Javaをサポートしており、CPU、CUDA 11.8、CUDA 12.6、CUDA 12.8、ROCm 6.3を含む計算オプションがあります。ドキュメントには、torchをインポートしてランダムなテンソルを作成するサンプルの検証手順も示されています。
新しいユーザーはどこでPyTorchを学べますか？
サイトでは、学習と開発のためのチュートリアル、ドキュメント、各種リソースが案内されています。チュートリアルページは初心者向けと上級者向けの内容に分かれており、docsページでは包括的な開発者向けドキュメントが提供されています。
PyTorchは実際には何に使われますか？
ホームページとドキュメントでは、本番環境での利用、分散学習、そしてツールとライブラリの広範なエコシステムが強調されています。ドキュメントには、TorchScriptを使ってeager実行からグラフモードへ移行し、TorchServeでデプロイを高速化できることも示されています。
Quick Facts
- カテゴリ
- 開発者向けツール
- 製品
- PyTorch
- ソースドメイン
- pytorch.org
- 主な利用者
- 機械学習の開発者と研究者
- 主なワークフロー
- ローカルにインストールするか、対応するクラウドプラットフォームで開始する
- 価格
- オープンソース。確認した内容では公開価格ページは見つかりませんでした