PyTorch软件包介绍

PyTorch是针对使用CPU和GPU进行深度学习的优化张量库。 PyTorch有一组丰富的软件包, 可用于执行深度学习概念。这些软件包可帮助我们进行优化, 转换和损失计算等。让我们简要了解这些软件包。

S.No Name Description
1. Torch PyTorch程序包包括用于多维张量的数据结构, 并定义了这些数据的数学运算。
2. PyTorch张量 该程序包是一个多维矩阵, 其中包含单个数据类型的元素。
3. 张量属性
a)torch.dtype 这是一个表示torch.Tensor数据类型的对象。
b)割炬设备 它是一个对象, 代表要在其上分配手电筒的设备。
c)PyTorch布局 它是代表toch.Tensor的内存布局的对象。
4. 类型信息 torch.dtype的数字属性将通过torch.iinfo或torch.finfo进行访问。
1)torch.finfo 它是一个对象, 代表浮点torch.dtype的数值属性。
2)torch.iinfo 它是代表整数torch.dtype的数值属性的对象。
5. PyTorch稀疏 Torch支持COO(rdinate)格式的稀疏张量, 这将有效地存储和处理大多数元素为零的张量。
6. PyTorch Torch支持CUDA张量类型, 该类型实现与CPU张量相同的功能, 但对于计算, 它们使用GPU。
7. torch.Storage Torch.Storage是单个数据类型的连续一维数组。
8. PyTorch 该软件包为我们提供了更多的类和模块来实现和训练神经网络。
9. PyTorch功能 该软件包具有类似于torch.nn的功能类。
10. torch.optim 该软件包用于实现各种优化算法。
11. PyTorch汽车 该程序包提供用于实现对任意标量值函数进行自动区分的类和函数。
12. torch.distributed 该软件包支持三个后端, 每个后端具有不同的功能。
13. PyTorch分配 该软件包允许我们构造随机计算图和随机梯度估计器以进行优化
14. PyTorch 它是经过预训练的模型存储库, 旨在促进研究的可重复性。
15. PyTorch多处理 它是本机多处理模块的包装。
16. PyTorch。实用程序。瓶颈 它是可以用作调试程序瓶颈的第一步的工具。
17. torch.utils.checkpoint 它用于在我们的源程序中创建检查点。
18. torch.tils.cpp_extension 它用于创建C ++, CUDA和其他语言的扩展。
19. torch.utils.data 该软件包主要用于创建数据集。
20. torch.utils.dlpack 它将用于将Dlpack解码为张量。
21. torch.onnx ONNX导出器是基于跟踪的导出器, 这意味着它通过执行一次模型并导出在此运行期间实际运行的运算符进行操作
【PyTorch软件包介绍】参考:
https://pytorch.org/docs/stable/index.html

    推荐阅读