第 8 章 PyTorch 生态系统和其他资源
本作品已使用人工智能进行翻译。欢迎您提供反馈和意见:translation-feedback@oreilly.com
在前面的章节中,你已经了解了使用 PyTorch 设计和部署深度学习模型所需的一切。您已经学会了如何跨不同平台构建、训练、测试和加速模型,以及如何将这些模型部署到 Cloud 和边缘设备。正如您所看到的,PyTorch 在开发和部署环境中都具有强大的功能,并且具有高度的可扩展性,允许您根据自己的需求进行定制。
在本参考指南的最后,我们将探讨 PyTorch 生态系统、其他支持库和其他资源。PyTorch 生态系统是 PyTorch 最强大的优势之一。它提供了一系列丰富的项目、工具、模型、库和平台,用于探索人工智能并加速人工智能开发。
PyTorch 生态系统包括由研究人员、第三方供应商和 PyTorch 社区创建的项目和库。这些项目得到了很好的维护,并经过了 PyTorch 团队的审核,以确保其质量和实用性。
此外,PyTorch 项目还包括支持特定领域的其他库,包括用于计算机视觉的 Torchvision 和用于 NLP 的 Torchtext。PyTorch 还支持其他软件包,如用于可视化的 TensorBoard,而且还有丰富的学习资源供进一步学习,如 Papers with Code 和 PyTorch Academy。
在本章中,我们将首先概述 PyTorch 生态系统及其支持的项目和工具。然后,我们将深入探讨一些最强大、最流行的资源,并提供有关其用法和 API 的参考资料。最后,我会告诉你如何通过各种教程、书籍、课程和其他培训资源学习更多知识。
让我们先来看看生态系统所能提供的一切。
PyTorch 生态系统
截至 2021 年初,PyTorch 生态系统已拥有 50 多个库和项目,而且这个列表还在不断扩大。其中一些是特定领域的项目,如专门用于计算机视觉或 NLP 解决方案的项目。其他项目,如 PyTorch Lightning 和 fastai,提供了编写简洁代码的框架,而 PySyft 和 Crypten 等项目则支持安全和隐私。还有一些项目支持强化学习、游戏模型、模型可解释性和加速。在本节中,我们将探讨 PyTorch 生态系统中包含的项目。
表 8-1 列出了支持计算机视觉应用的生态系统项目。
| 项目 | 说明 |
|---|---|
火炬视觉 |
PyTorch 的计算机视觉库,提供支持计算机视觉应用的通用变换、模型和实用程序(https://pytorch.tips/torchvision) |
Detectron2 |
Facebook 的异议检测和细分平台(https://pytorch.tips/detectron2) |
图书 |
|
PyTorch3D |
三维计算机视觉可重用组件集(https://pytorch.tips/pytorch3d) |
科尼亚 |
计算机视觉可微分模块库(https://pytorch.tips/kornia) |
莫奈 |
医疗成像中的 Deep Learning 框架(https://pytorch.tips/monai) |
TorchIO |
三维医学图像工具包(https://pytorch.tips/torchio) |
Torchvision 是计算机视觉应用最强大的库之一,包含在 PyTorch 项目中。它也由 PyTorch 开发团队维护。 ...
Become an O’Reilly member and get unlimited access to this title plus top books and audiobooks from O’Reilly and nearly 200 top publishers, thousands of courses curated by job role, 150+ live events each month,
and much more.
Read now
Unlock full access