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:

Google Colaboratory

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

Deep Learning with PyTorch

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

1. https://documen.tician.de/pycuda/
2. https://pytorch.org/docs/stable/notes/cuda.html
3. https://discuss.pytorch.org/t/how-to-check-if-model-is-on-cuda
4. https://pytorch.org/tutorials/beginner/blitz/data_parallel_tutorial.html

linkedin:

Jonathan Quiza | LinkedIn

Gracias