PyTorch¶
Այս հոդվածում
Տեղեկատվություն
PyTorch-ը մեքենայական ուսուցման բաց կոդով գրադարան է, որը մշակվել է Meta AI-ի կողմից (նախկինում՝ Facebook AI Research): Այն տրամադրում է ճկուն և արդյունավետ գործիքակազմ՝ խորը ուսուցման (deep learning) մոդելների ստեղծման և մարզման, ինչպես նաև արհեստական բանականության ոլորտում հետազոտությունների իրականացման համար: PyTorch սերվերը առաջարկում է անվտանգ և առանձնացված հաշվարկային միջավայր, որը ստաջում է ժամանակակից NVIDIA GPU գրաֆիկական պրոցեսորները: Private PyTorch սերվերը կարող է օգտակար լինել հետազոտողների, մշակողների և ընկերությունների համար, որոնք PyTorch-ի միջոցով մեքենայական ուսուցման մոդելների մշակման և մարզման համար պահանջում են անվտանգ և բարձր արտադրողականության հաշվարկային միջավայր: Այն ապահովում է լիակատար վերահսկողություն ռեսուրսների նկատմամբ և տվյալների գաղտնիություն, միաժամանակ արագացնելով մոդելի մարզման գործընթացը՝ օգտագործելով ժամանակակրի NVIDIA GPU-ները:
PyTorch: Հիմնական հնարավորություններ¶
- Նախապես կազմաձևված PyTorch միջավայր: PyTorch-ի վերջին կայուն տարբերակի նախնական տեղադրում: Օպտիմալացված NVIDIA դրայվերներ և CUDA կարգավորումներ: Բազմաթիվ վիրտուալ Python միջավայրերի ստեղծման և կառավարման աջակցություն:
- Բարձր արտադրողականության տենզորային հաշվարկներ: Օպտիմալացված գործողությունների հարուստ հավաքածու բազմաչափ տենզորների (տվյալների զանգվածների) արդյունավետ աշխատանքի համար: Հաշվարկումների արագացում գրաֆիկական պրոցեսորների (GPU) վրա՝ օգտագործելով CUDA:
- Դինամիկ հաշվարկային գրաֆներ: Հաշվարկային գրաֆների ճկուն սահմանում կատարվում է աշխատանքի ընթացքում (runtime), այլ ոչ թե նախնական ստատիկ կոմպիլյացիայի միջոցով: Հարմար է հետազոտական խնդիրների և մոդելների արագ նախատիպավորման համար:
- Ավտոմատ տարբերարկում: Բարդ ֆունկցիաների գրադիենտների հաշվարկման արդյունավետ և բարձր արտադրողական մեխանիզմ: Դինամիկ հաշվարկային գրաֆների և բարձր մակարդակի ինտերֆեյսների աջակցություն:
- Խորը ուսուցման գրադարան: Նախապես մարզված արխիթեկտուրաների համալիր հավաքածու (CNN, RNN, Transformers և այլն): Լրիվ գործիքակազմ խորը ուսուցման մոդելների մարզման, գնահատման և տեղակայման համար:
- Ընդլայնվողություն և համատեղելիություն: Կસ્ટոմայլինգային տարբերվող գործողություններ և շերտեր սահմանելու հնարավորություն: Կահավորված ինտեգրում այլ հայտlı գրադարանների հետ (NumPy, SciPy, Pandas և այլն) տվյալների մշակման խնդիրների լուծման համար:
Private PyTorch սերվերը նախագծված է հետազոտողների, մշակողների և ընկերությունների համար, որոնք PyTorch-ի միջոցով մեքենայական ուսուցման մոդելների մշակման և մարզման համար պահանջում են անվտանգ և բարձր արտադրողականության հաշվարկային միջավայր: Այն ապահովում է լիակատար վերահսկողություն ռեսուրսների նկատմամբ և տվյալների գաղտնիություն, միաժամանակ արագացնելով մոդելի մարզման գործընթացը՝ օգտագործելով ժամանակակրի NVIDIA GPU-ները:
Տեղակայման հնարավորություններ¶
| ID | Ծրագրային ապահովման անվանում | Համատեղելի ՕՀ | VM | BM | VGPU | GPU | Նվազագույն CPU (միջուկներ) | Նվազագույն RAM (ԳԲ) | Նվազագույն HDD/SSD (ԳԲ) | Սեփական դոմեն | Ակտիվ |
|---|---|---|---|---|---|---|---|---|---|---|---|
| 114 | PyTorch v2.3.0 | Ubuntu 24.04 | - | + | + | + | 1 | 1 | - | Ոչ | ՊԱՏՎԻՐԵԼ |
Նշում
Եթե այլ բան նախատեսված չէ, ապա ռեժիմով մենք տեղադրում ենք ծրագրի վերջին թողարկված տարբերակը ծրագրավորողի կայքից կամ օպերացիոն համակարգի պահոցներից:
Սկիզբ դնելը տեղակայումից հետո¶
Վճարման հաստատումը ձեր գրանցված էլեկտրոնային հասցեին ուղարկվելուց հետո, դուք կստանաք ծանուցում, որ սերվերը պատրաստ է օգտագործման համար: Այս ծանուցումը կներառի VPS IP հասցեն և մուտքի տվյալները: Դուք կարող եք կառավարել սարքավորումը մեր Server Control Panel կամ API-ի միջոցով՝ Invapi:
Ավտենտիֆիկացիայի տվյալները կարող են հայտնվել Configuration >> Tags պանելում կամ ուղարկված էլեկտրոնային նամակում.
- Login:
root՝ ադմինիստրատորի համար,user՝ PyTorch-ով աշխատելու համար. - Password: ադմինիստրատորի համար՝ ստացվում է էլեկտրոնային նամակով սերվերի տեղակայման պահին.
userօգտվողի համար՝ գտնվում է/root/user_credentialsֆայլում:
Միացում և նախնական կարգավորումներ¶
Սերվերին հասանելիություն ստանալուց հետո, անհրաժեշտ է հաստատել կապը SSH-ի միջոցով՝ superuser (root) իրավունքներով.
Այնուհետև, գործարկեք հետևյալ հրամանը.Հրամանը գործարկելուց հետո կբացվի տեքստային ֆայլ, որը պարունակում է user օգտվողի տվյալները: Դուք պետք է պատճենեք user օգտվողի գաղտնաբառը:
Հետո, ավարտեք root սեսիան և նորից միացեք սերվերին SSH-ի միջոցով որպես user օգտվող՝ օգտագործելով պատճենված գաղտնաբառը: Կամ այլընտրանքային տարբերակով, դուք կարող եք գործարկել հետևյալ հրամանը root-ի տակից.
Սա կապահովի անցումը user հաշվին:
Ստուգելու համար, թե արդյոք անհրաժեշտ բաղադրիչները ճիշտ են տեղադրված, կարող եք գործարկել սկրիպտը.
Հրամանի գործարկման արդյունքը.

Սկրիպտի հաջող գործարկումից հետո, անհրաժեշտ է ակտիվացնել venv վիրտուալ միջավայրը հետևյալ հրամանով.
Այժմ դուք կարող եք սկսել աշխատել Python ինտերպրետորում՝ գործարկելով այն հետևյալ հրամանով.
Ինտերպրետորը պատրաստ է հրամաններ մուտքագրելու և կոդ գործարկելու համար:
Նշում
PyTorch-ի հիմնական կարգավորումների վերաբերյալ մանրամասն տեղեկատվությունը կարող եք գտնել թողարկողի փաստաթղթերում:
PyTorch սերվերի պատվիրումը API-ի միջոցով¶
Այս ծրագրի տեղադրումը API-ի միջոցով իրականացնելու համար հետևեք այս հրահանգներին.