Primeros pasos con Pytorch usando Colab Part I
En este artículo hablaré de Pytorch y la instalación del mismo, para poder entender como funciona y que podemos realizar usando “Google Colab” como interface de desarrollo.
¿Qué es PyTorch?
Es una librería basado en Python, diseñado para realizar cálculos numéricos haciendo uso de la programación de tensores. Además permite su ejecución en GPU para acelerar los cálculos.
¿Por qué usar PyTorch?
PyTorch dispone una interfaz muy sencilla para la creación de redes neuronales pese a trabajar de forma directa con tensores sin la necesidad de una librería a un nivel superior como pueda ser Keras para Theano o Tensorflow.
PyTorch dispone de soporte para su ejecución en tarjetas gráficas (GPU), utiliza internamente CUDA, una API que conecta la CPU con la GPU que ha sido desarrollado por NVIDIA.
¿Que se puede usar con PyTorch?
- Matrices.
- Álgebra lineal.
- Creación de una red de feedforward.
- Entre otras cosas y tu imaginación.
¿Qué es Google Colab?
Colaboratory es un entorno gratuito de Jupyter Notebook que no requiere configuración y que se ejecuta completamente en la nube.
ejemplo:
Part 1 - WEB PYTORCH
Part 2 - COLAB DEPENDENCIAS
Instalación de dependencias
Part 3 - COLAB PYTORCH
Instalación de pytorch
Part 4 - COLAB VERSION PYTHON
Verificación de python
Part 5 - COLAB VERSION PYTORCH
Verificación de pytorch
Part 6 - COLAB VERSION NVIDIA
Verificación de nvidia
Part 7 - COLAB VERIFICAR GPU
Verificación de GPU
LIBRO DE AYUDA
CONCLUSIÓN
Espero les haya gustado este artículo de Pytorch y Colab.
A continuación estaré publicando algunos artículos más específicos para PyTorch. Estos artículos profundizarán en temas como usar hasta crear pequeñas aplicaciones , así como jugar con la imaginación de crear algo.
Continuar leyendo
pytorch Part 2 ( aquí)
REFERENCIAS
- https://documen.tician.de/pycuda/
- https://pytorch.org/docs/stable/notes/cuda.html
- https://discuss.pytorch.org/t/how-to-check-if-model-is-on-cuda
- https://pytorch.org/tutorials/beginner/blitz/data_parallel_tutorial.html
linkedin: