PyTorch¶
Bu makalede
Bilgi
PyTorch, Meta AI (önceden Facebook AI Research) tarafından geliştirilen açık kaynaklı bir makine öğrenimi kütüphanesidir. Derin öğrenme modelleri oluşturmak ve eğitmek için esnek ve verimli bir araç seti sağlar; ayrıca yapay zeka alanında araştırma yapmayı destekler. PyTorch sunucusu, modern NVIDIA GPU grafik işlemci birimlerini destekleyen güvenli ve izole bir hesaplama ortamı sunar. PyTorch kullanarak makine öğrenimi modelleri geliştirmek ve eğitmek için güvenli ve yüksek performanslı bir hesaplama ortamına ihtiyaç duyan araştırmacılar, geliştiriciler ve şirketler için özel bir PyTorch sunucusu faydalı olabilir. Kaynaklar üzerinde tam kontrol ve veri gizliliğini sağlarken, modern NVIDIA GPU'ları kullanarak model eğitim sürecini hızlandırır.
PyTorch: Temel Özellikler¶
- Önceden yapılandırılmış PyTorch ortamı: PyTorch'un en son kararlı sürümü önceden yüklü. NVIDIA sürücüleri ve CUDA ayarları optimize edilmiştir. Birden fazla sanal Python ortamı oluşturma ve yönetme desteği.
- Yüksek performanslı tensör hesaplamaları: çok boyutlu tensörler (veri dizileri) ile verimli çalışma için zengin optimize edilmiş işlemler seti. CUDA kullanarak grafik işlemci birimlerinde (GPU) hesaplamaların hızlandırılması.
- Dinamik hesaplama grafikleri: önceden statik derleme yerine çalışma zamanında esnek hesaplama grafiği tanımlama. Araştırma görevleri ve modellerin hızlı prototipleme işlemleri için uygundur.
- Otomatik türev alma: karmaşık fonksiyonların gradyanlarını hesaplamak için etkili ve yüksek performanslı mekanizma. Dinamik hesaplama grafikleri ve yüksek seviye arayüzler için destek.
- Derin öğrenme kütüphanesi: önceden eğitilmiş kapsamlı mimari seti (CNN'ler, RNN'ler, Transformers vb.). Derin öğrenme modellerini eğitmek, değerlendirmek ve dağıtmak için eksiksiz araç seti.
- Genişletilebilirlik ve uyumluluk: özel türevlenebilir işlemler ve katmanlar tanımlama yeteneği. Veri işleme görevlerini çözmek için diğer popüler kütüphanelerle (NumPy, SciPy, Pandas vb.) sorunsuz entegrasyon.
Özel PyTorch sunucusu, PyTorch kullanarak makine öğrenimi modelleri geliştirmek ve eğitmek için güvenli ve yüksek performanslı bir hesaplama ortamına ihtiyaç duyan araştırmacılar, geliştiriciler ve şirketler için tasarlanmıştır. Kaynaklar üzerinde tam kontrol ve veri gizliliğini sağlarken, modern NVIDIA GPU'ları kullanarak model eğitim sürecini hızlandırır.
Çalıştırma Özellikleri¶
| ID | Yazılım Adı | Uyumlu OS | VM | BM | VGPU | GPU | Min CPU (Çekirdekler) | Min RAM (GB) | Min HDD/SSD (GB) | Özel Alan Adı | Aktif |
|---|---|---|---|---|---|---|---|---|---|---|---|
| 114 | PyTorch v2.3.0 | Ubuntu 22.04 | - | + | + | + | 1 | 1 | - | Hayır | SİPARİŞ VER |
- Kurulum süresi: İşletim sistemi ile birlikte 15-30 dakika;
- Python, PyTorch, CUDA ve NVIDIA sürücüleri yüklenir;
- Sistem gereksinimleri: profesyonel grafik kartı (NVIDIA RTX A4000/A5000, NVIDIA H100), en az 16 GB RAM.
Not
Aksi belirtilmedikçe, geliştiricinin web sitesinden veya işletim sistemi depolarından yazılımın en son yayın sürümü varsayılan olarak yüklenir.
Dağıtımdan Sonra Başlangıç¶
Ödeme onayı kayıtlı e-posta adresinize gönderildikten sonra, sunucunun kullanıma hazır olduğuna dair bir bildirim alacaksınız. Bu bildirimde VPS IP adresi ve giriş bilgileri yer alacaktır. Ekipmanları Sunucu Kontrol Paneli veya API - Invapi üzerinden yönetebilirsiniz.
Kimlik doğrulama verileri Configuration >> Tags panelinde veya gönderilen e-postada bulunabilir:
- Login: yönetici için
root, PyTorch ile çalışmak içinuser; - Password: yönetici için, sunucu dağıtımı sırasında e-posta ile alınır;
userkullanıcısı için,/root/user_credentialsdosyasında yer alır.
Bağlanma ve İlk Ayarlar¶
Sunucuya erişim sağladıktan sonra, süper kullanıcı (root) ayrıcalıklarıyla SSH üzerinden sunucuya bağlantı kurmanız gerekir:
Ardından, aşağıdaki komutu çalıştırın:Komutu çalıştırdıktan sonra, user kullanıcısının kimlik bilgilerini içeren bir metin dosyası açılacaktır. user kullanıcısının şifresini kopyalamanız gerekir.
Ardından, root oturumunu tamamlayın ve kopyalanan şifreyi kullanarak user kullanıcısı olarak SSH üzerinden sunucuya yeniden bağlanın. Alternatif olarak, root altında aşağıdaki komutu da çalıştırabilirsiniz:
Bu, user hesabına geçiş yapılmasını sağlayacaktır.
Gerekli bileşenlerin doğru şekilde yüklendiğini doğrulamak için aşağıdaki betiği çalıştırabilirsiniz:
Komutun çalıştırılma sonucu:

Betik başarıyla çalıştırıldıktan sonra, aşağıdaki komutu kullanarak venv sanal ortamını etkinleştirmeniz gerekir:
Artık aşağıdaki komutu çalıştırarak Python yorumlayıcısında çalışmaya başlayabilirsiniz:
Yorumlayıcı komut girmeye ve kod çalıştırmaya hazırdır.
Not
PyTorch'un temel ayarlarına ilişkin ayrıntılı bilgiler geliştirici dokümantasyonunda bulunabilir.