PyTorch¶

En este artículo

PyTorch: Características clave

Funcionalidades de implementación

Primeros pasos después de la implementación

Conexión y configuración inicial

Ordenar un servidor con PyTorch usando la API

Información

PyTorch es una biblioteca de aprendizaje automático de código abierto desarrollada por Meta AI (anteriormente Facebook AI Research). Proporciona un conjunto de herramientas flexible y eficiente para crear y entrenar modelos de aprendizaje profundo, así como para realizar investigaciones en el campo de la inteligencia artificial. El servidor PyTorch ofrece un entorno computacional seguro e aislado que admite unidades de procesamiento gráfico (GPU) NVIDIA modernas. Un servidor PyTorch privado puede ser beneficioso para investigadores, desarrolladores y empresas que requieren un entorno de computación seguro y de alto rendimiento para desarrollar y entrenar modelos de aprendizaje automático utilizando PyTorch. Garantiza el control total sobre los recursos y la confidencialidad de los datos, mientras acelera el proceso de entrenamiento del modelo aprovechando las GPUs NVIDIA modernas.

PyTorch: Características clave¶

Entorno PyTorch preconfigurado: última versión estable de PyTorch preinstalada. Controladores NVIDIA y configuraciones CUDA optimizados. Soporte para crear y gestionar múltiples entornos virtuales de Python.
Cálculos de tensores de alto rendimiento: rico conjunto de operaciones optimizadas para trabajar eficientemente con tensores multidimensionales (matrices de datos). Aceleración de cálculos en unidades de procesamiento gráfico (GPU) mediante CUDA.
Grafos de cálculo dinámicos: definición flexible de grafos de cálculo en tiempo de ejecución, en lugar de compilación estática previa. Adecuado para tareas de investigación y prototipado rápido de modelos.
Diferenciación automática: mecanismo eficaz y de alto rendimiento para calcular gradientes de funciones complejas. Soporte para grafos de cálculo dinámicos e interfaces de alto nivel.
Biblioteca de aprendizaje profundo: conjunto completo de arquitecturas preentrenadas (CNNs, RNNs, Transformers, etc.). Kit de herramientas completo para entrenar, evaluar e implementar modelos de aprendizaje profundo.
Extensibilidad y compatibilidad: capacidad para definir operaciones y capas diferenciables personalizadas. Integración perfecta con otras bibliotecas 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 aprendizaje automático utilizando PyTorch. Garantiza el control total sobre los recursos y la confidencialidad de los datos, mientras acelera el proceso de entrenamiento del modelo aprovechando las GPUs NVIDIA modernas.

Funcionalidades de implementación¶

ID	Nombre del Software	SO Compatible	VM	BM	VGPU	GPU	CPU Mín. (Núcleos)	RAM Mín. (GB)	HDD/SSD Mín. (GB)	Dominio Personalizado	Activo
114	PyTorch v2.3.0	Ubuntu 22.04	-	+	+	+	1	1	-	No	PEDIR

Tiempo de instalación: 15-30 minutos junto con el sistema operativo;
Instala Python, PyTorch, CUDA y controladores NVIDIA;
Requisitos del sistema: tarjeta gráfica profesional (NVIDIA RTX A4000/A5000, NVIDIA H100), al menos 16 GB de RAM.

Nota

A menos que se especifique lo contrario, por defecto instalamos la última versión de lanzamiento del software desde el sitio web del desarrollador o los repositorios del sistema operativo.

Primeros pasos después de la implementación¶

Después de confirmar el pago enviado a su dirección de correo electrónico registrada, recibirá una notificación de que el servidor está listo para su uso. Esta notificación incluirá la dirección IP del VPS y las credenciales de inicio de sesión. Puede gestionar el equipo a través de nuestro Panel de control del servidor o 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, recibida en un correo electrónico al implementar el servidor; para el usuario user, ubicada en el archivo /root/user_credentials.

Conexión y configuración inicial¶

Después de obtener acceso al servidor, debe establecer una conexión con él mediante SSH con privilegios de superusuario (root):

ssh root@<server_ip>

Luego, ejecute el comando:

nano /root/user_credentials

Después de 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 una transición a la cuenta user.

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

./pytorch_install.sh

El resultado de ejecutar el comando:

Después de ejecutar correctamente el script, debe activar el entorno virtual venv utilizando el comando:

. pytorch.sh

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

python

El intérprete está listo para ingresar comandos y ejecutar código.

Nota

Información detallada sobre la configuración principal de PyTorch se puede encontrar en la documentación del desarrollador.