PyTorch¶

En este artículo

• Características clave de PyTorch
• Funciones de despliegue
• Primeros pasos tras el despliegue
• Conexión y configuración inicial
• Pedir un servidor con PyTorch mediante la API

Características clave de PyTorch¶

• Entorno PyTorch preconfigurado: versión estable más reciente de PyTorch preinstalada. Controladores NVIDIA y ajustes CUDA optimizados. Soporte para la creación y gestión de múltiples entornos virtuales de Python.
• Computaciones tensoriales de alto rendimiento: conjunto completo de operaciones optimizadas para un trabajo eficiente con tensores multidimensionales (matrices de datos). Aceleración de computaciones en unidades de procesamiento gráfico (GPU) mediante CUDA.
• Grafos de computación dinámicos: definición flexible de grafos computacionales en tiempo de ejecución, en lugar de una compilación estática previa. Adecuado para tareas de investigación y prototipado rápido de modelos.
• Diferenciación automática: mecanismo eficaz y de alto rendimiento para calcular los gradientes de funciones complejas. Soporte para grafos de computación dinámicos e interfaces de alto nivel.
• Biblioteca de aprendizaje profundo: conjunto completo de arquitecturas preentrenadas (CNN, RNN, Transformers, etc.). Conjunto de herramientas completo para entrenar, evaluar y desplegar modelos de deep learning.
• Extensibilidad y compatibilidad: capacidad para definir operaciones y capas diferenciables personalizadas. Integración fluida con otras biblias populares (NumPy, SciPy, Pandas, etc.) para resolver tareas de procesamiento de datos.

El servidor PyTorch privado está diseñado para investigadores, desarrolladores y empresas que requieren un entorno de computación seguro y de alto rendimiento para desarrollar y entrenar modelos de machine learning utilizando PyTorch. Garantiza un control total sobre los recursos y la confidencialidad de los datos, al tiempo que acelera el proceso de entrenamiento del modelo mediante el aprovechamiento de las GPU NVIDIA modernas.

Funciones de despliegue¶

Primeros pasos tras el despliegue¶

Tras la confirmación del pago enviada a su dirección de correo electrónico registrada, recibirá una notificación indicando que el servidor está listo para su uso. Esta notificación incluirá la dirección IP del VPS y las credenciales de acceso. Puede gestionar el equipo a través de nuestro Server Control Panel o mediante la API - Invapi.

Los datos de autenticación se pueden encontrar en el panel Configuration >> Tags o en el correo electrónico enviado:

• Login: root para administrador, user para trabajar con PyTorch;
• Password: para administrador, recibido en un correo electrónico tras el despliegue del servidor; para el usuario user, ubicado en el archivo /root/user_credentials.

Conexión y configuración inicial¶

Una vez obtenido el acceso al servidor, debe establecer una conexión con él mediante SSH con privilegios de superusuario (root):

ssh root@<server_ip>

nano /root/user_credentials

Tras ejecutar el comando, se abrirá un archivo de texto que contiene las credenciales del usuario user. Debe copiar la contraseña para el usuario user.

A continuación, finalice la sesión de root y vuelva a conectarse al servidor mediante SSH como el usuario user, utilizando la contraseña copiada. Alternativamente, también puede ejecutar el siguiente comando desde root:

su - user

Esto garantizará la transición a la cuenta user.

Para verificar que los componentes necesarios están correctamente instalados, puede ejecutar el script:

./pytorch_install.sh

El resultado de la ejecución del comando:

Tras ejecutar el script con éxito, debe activar el entorno virtual venv mediante el comando:

. pytorch.sh

Ahora puede comenzar a trabajar en el intérprete de Python ejecutándolo con el comando:

python

El intérprete está listo para la entrada de comandos y la ejecución de código.

Pedir un servidor con PyTorch mediante la API¶

Para instalar este software utilizando la API, siga estas instrucciones.