PyTorch¶

Dans cet article

• PyTorch : Caractéristiques clés
• Fonctionnalités de déploiement
• Commencer après le déploiement
• Connexion et paramètres initiaux
• Commander un serveur avec PyTorch via l'API

PyTorch : Caractéristiques clés¶

• Environnement PyTorch préconfiguré : version stable la plus récente de PyTorch préinstallée. Pilotes NVIDIA et paramètres CUDA optimisés. Prise en charge de la création et de la gestion de plusieurs environnements Python virtuels.
• Calculs de tenseurs haute performance : ensemble riche d'opérations optimisées pour un travail efficace avec des tenseurs multidimensionnels (tableaux de données). Accélération des calculs sur les unités de traitement graphique (GPU) via CUDA.
• Graphes de calcul dynamiques : définition flexible des graphes de calcul à l'exécution, plutôt que compilation statique préalable. Adapté aux tâches de recherche et au prototypage rapide de modèles.
• Différentiation automatique : mécanisme efficace et performant pour calculer les gradients de fonctions complexes. Prise en charge des graphes de calcul dynamiques et des interfaces de haut niveau.
• Bibliothèque d'apprentissage profond : ensemble complet d'architectures pré-entraînées (CNN, RNN, Transformers, etc.). Kit complet pour entraîner, évaluer et déployer des modèles d'apprentissage profond.
• Extensibilité et compatibilité : possibilité de définir des opérations différentiables personnalisées et des couches. Intégration transparente avec d'autres bibliothèques populaires (NumPy, SciPy, Pandas, etc.) pour résoudre des tâches de traitement de données.

Le serveur privé PyTorch est conçu pour les chercheurs, développeurs et entreprises qui nécessitent un environnement informatique sécurisé et performant pour développer et entraîner des modèles d'apprentissage automatique avec PyTorch. Il assure un contrôle total sur les ressources et la confidentialité des données, tout en accélérant le processus d'entraînement du modèle en exploitant les GPU NVIDIA modernes.

Fonctionnalités de déploiement¶

• Temps d'installation : 15‑30 minutes avec le système d'exploitation ;
• Installe Python, PyTorch, CUDA et les pilotes NVIDIA ;
• Exigences système : carte graphique professionnelle (NVIDIA RTX A4000/A5000, NVIDIA H100), au moins 16 Go de RAM.

Commencer après le déploiement¶

Après confirmation de paiement envoyée à votre adresse e‑mail enregistrée, vous recevrez une notification indiquant que le serveur est prêt à être utilisé. Cette notification comprendra l'adresse IP du VPS et les informations d'identification de connexion. Vous pouvez gérer l'équipement via notre Server Control Panel ou via l'API – Invapi.

Les données d'authentification se trouvent dans le panneau Info >> Tags ou dans l'e‑mail envoyé :

• Login : root pour l'administrateur, user pour travailler avec PyTorch ;
• Password : pour l'administrateur, reçu dans un e‑mail lors du déploiement du serveur ; pour l'utilisateur user, situé dans le fichier /root/user_credentials.

Connexion et paramètres initiaux¶

Après avoir obtenu l’accès au serveur, vous devez établir une connexion avec celui‑ci via SSH avec les privilèges superutilisateur (root) :

ssh root@<server_ip>

Ensuite, exécutez la commande :

nano /root/user_credentials

Après l’exécution de la commande, un fichier texte contenant les identifiants de l’utilisateur user sera ouvert. Vous devez copier le Mot de passe de l’utilisateur user.

Ensuite, terminez la session root et reconnectez‑vous au serveur via SSH en tant qu’utilisateur user, en utilisant le Mot de passe copié.
Vous pouvez également exécuter la commande suivante depuis root :

su - user

Cela assurera la transition vers le compte user.

Pour vérifier que les composants nécessaires sont correctement installés, vous pouvez exécuter le script :

./pytorch_install.sh

Le résultat de l’exécution de la commande :

Après avoir exécuté avec succès le script, vous devez activer l’environnement virtuel venv en utilisant la commande :

. pytorch.sh

Vous pouvez maintenant commencer à travailler dans l’interpréteur Python en l’exécutant avec la commande :

python

L’interpréteur est prêt à recevoir des commandes et à exécuter du code.

Commander un serveur avec PyTorch via l'API¶

Pour installer ce logiciel en utilisant l'API, suivez les instructions suivantes.