PyTorch¶

Այս հոդվածում

• PyTorch-ի հիմնական հնարավորություններ
• Տեղակայման հնարավորություններ
• Սկսելու համար տեղակայումից հետո
• Կապվելը և սկզբնական կարգավորումները
• PyTorch-ով սերվեր պատվիրելը API-ի միջոցով

PyTorch-ի հիմնական հնարավորություններ¶

• Նախադասավորված PyTorch միջավայր. նախադրված PyTorch-ի վերջին կայուն տարբերակը: NVIDIA դրայվերների և CUDA կարգավորումների օպտիմալացում: Վիրտուալ Python միջավայրերի ստեղծման և կառավարման աջակցություն:
• Բարձր արդյունավետ տենզորային հաշվարկներ. օպտիմալացված գործողությունների հարուստ հավաքածու բազմաչափ տենզորների (տվյալների զանգվածներ) հետ արդյունավետ աշխատելու համար: Հաշվարկների արագացում գրաֆիկական մշակման բլոկների (GPU) վրա՝ օգտագործելով CUDA-ն:
• Դինամիկ հաշվարկային գրաֆիկներ. հաշվարկային գրաֆիկների ճկուն սահմանում աշխատանքային ռեժիմում, այլ ոչ թե նախապես ստատիկ կոմպիլյացիա: Հարմար է հետազոտական խնդիրների և մոդելների արագ պրոտոտիպավորման համար:
• Ավտոմատ դիֆերենցում. արդյունավետ և բարձր արդյունավետ մեխանիզմ բարդ ֆունկցիաների գրադիենտներ հաշվարկելու համար: Դինամիկ հաշվարկային գրաֆիկների և բարձր մակարդակի ինտերֆեյսների աջակցություն:
• Խորը ուսուցման գրադարան. նախաուսուցված ճարտարապետությունների համապարփակ հավաքածու (CNN-ներ, RNN-ներ, Transformers և այլն): Լրիվ գործիքակազմ խորը ուսուցման մոդելները ուսուցանելու, գնահատելու և տեղակայելու համար:
• Ընդլայնելիություն և համատեղելիություն. սեփական դիֆերենցվող գործողություններ և շերտեր սահմանելու հնարավորություն: Անխափան ինտեգրում այլ հայտնի գրադարանների հետ (NumPy, SciPy, Pandas և այլն)՝ տվյալների մշակման խնդիրները լուծելու համար:

Անձնական PyTorch սերվերը նախատեսված է հետազոտողների, մշակողների և ընկերությունների համար, ովքեր պահանջում են անվտանգ և բարձր արդյունավետ հաշվարկային միջավայր PyTorch-ի միջոցով մեքենայական ուսուցման մոդելներ մշակելու և ուսուցանելու համար: Այն ապահովում է ռեսուրսների և տվյալների գաղտնիության լիարժեք վերահսկողություն, միաժամանակ արագացնելով մոդելի ուսուցման գործընթացը՝ օգտագործելով ժամանակակից NVIDIA GPU-ները:

Տեղակայման հնարավորություններ¶

• Տեղադրման ժամանակը. 15-30 րոպե՝ օպերացիոն համակարգի հետ միասին;
• Տեղադրում է Python, PyTorch, CUDA և NVIDIA դրայվերներ;
• Համակարգի պահանջներ. պրոֆեսիոնալ վիդեոքարտ (NVIDIA RTX A4000/A5000, NVIDIA H100), առնվազն 16 ԳԲ օպերատիվ հիշողություն:

Սկսելու համար տեղակայումից հետո¶

Վճարումի հաստատումը ձեր գրանցված էլ. հասցեին ուղարկելուց հետո, դուք կստանաք ծանուցում, որ սերվերը պատրաստ է օգտագործման: Այս ծանուցումը կներառի VPS IP հասցեն և մուտքի տվյալները: Դուք կարող եք կառավարել սարքավորումները մեր Server Control Panel կամ API - Invapi միջոցով:

Մուտքի տվյալները կարելի է գտնել Configuration >> Tags վահանակում կամ ուղարկված էլ. նամակում.

• Login: root վարչի համար, user PyTorch-ի հետ աշխատելու համար;
• Password: վարչի համար՝ ստացված էլ. նամակով սերվերի տեղակայման ժամանակ; user օգտատիրոջ համար՝ գտնվում է /root/user_credentials ֆայլում:

Կապվելը և սկզբնական կարգավորումները¶

Սերվերին մուտք գործելուց հետո, անհրաժեշտ է հաստատել կապը դրա հետ SSH-ի միջոցով՝ սուպերօգտատիրոջ (root) լիազորություններով.

ssh root@<server_ip>

nano /root/user_credentials

Հրամանը կատարելուց հետո կբացվի տեքստային ֆայլ, որը պարունակում է user օգտատիրոջ մուտքի տվյալները: Դուք պետք է պատճենեք user օգտատիրոջ գաղտնաբառը:

Այնուհետև ավարտեք root նիստը և կրկին կապվեք սերվերի հետ SSH-ի միջոցով՝ որպես user օգտատեր՝ օգտագործելով պատճենված գաղտնաբառը: Այլընտրանքային եղանակով, դուք նաև կարող եք կատարել հետևյալ հրամանը root-ից.

su - user

Սա կապահովի անցումը user հաշվին:

Պահանջվող բաղադրիչների ճիշտ տեղադրումը ստուգելու համար, դուք կարող եք գործարկել սկրիպտը.

./pytorch_install.sh

Հրամանի կատարման արդյունքը.

Սկրիպտի հաջող կատարումից հետո, անհրաժեշտ է ակտիվացնել venv վիրտուալ միջավայրը՝ օգտագործելով հրամանը.

. pytorch.sh

Այժմ դուք կարող եք սկսել աշխատել Python ինտերպրետատորում՝ գործարկելով այն հրամանով.

python

Ինտերպրետատորը պատրաստ է հրամաններ մուտքագրելու և կոդ կատարելու համար:

PyTorch-ով սերվեր պատվիրելը API-ի միջոցով¶