Перейти к содержанию

PyTorch

В этой статье

Информация

PyTorch - это открытая библиотека машинного обучения, разработанная компанией Meta AI (ранее Facebook AI Research). Она предоставляет гибкий и эффективный инструментарий для создания и обучения моделей глубокого обучения, а также для исследований в области искусственного интеллекта. Сервер с PyTorch предоставляет безопасную и изолированную вычислительную среду с поддержкой современных графических процессоров (GPU) NVIDIA. Приватный сервер PyTorch может быть полезен для исследователей, разработчиков и компаний, которым требуется безопасная и производительная вычислительная среда для разработки и обучения моделей машинного обучения с использованием PyTorch. Он обеспечивает полный контроль над ресурсами и конфиденциальность данных, а также ускоряет процесс обучения моделей за счет использования современных GPU NVIDIA.

PyTorch. Основные возможности

  • Готовая к использованию среда PyTorch: предустановленная последняя стабильная версия PyTorch. Оптимизированные драйверы NVIDIA и настройки CUDA. Поддержка создания и управления множеством виртуальных сред Python.
  • Тензорные вычисления высокой производительности: богатый набор оптимизированных операций для эффективной работы с многомерными тензорами (массивами данных). Ускорение вычислений на графических процессорах (GPU) с использованием CUDA.
  • Динамическое построение вычислительных графов: гибкое определение вычислительных графов во время выполнения, а не статическая компиляция заранее. Подходит для исследовательских задач и быстрого прототипирования моделей.
  • Автоматическое дифференцирование: эффективный и производительный механизм для вычисления градиентов сложных функций. Поддержка динамических вычислительных графов и высокоуровневых интерфейсов.
  • Библиотека глубокого обучения: обширный набор предобученных архитектур моделей (CNN, RNN, Transformers и др.). Полный комплект инструментов для обучения, оценки и развертывания моделей глубокого обучения.
  • Расширяемость и совместимость: возможность определения собственных дифференцируемых операций и слоев. Бесшовная интеграция с другими популярными библиотеками (NumPy, SciPy, Pandas и др.) для решения задач обработки данных.

Приватный сервер с PyTorch предназначен для исследователей, разработчиков и компаний, которым требуется безопасная и производительная вычислительная среда для разработки и обучения моделей машинного обучения с использованием PyTorch. Он обеспечивает полный контроль над ресурсами и конфиденциальность данных, а также ускоряет процесс обучения моделей за счет использования современных GPU NVIDIA.

Особенности сборки

  • Возможна установка на Ubuntu 22.04;
  • Время на установку 15-30 минут вместе с OS;
  • Установка Python, PyTorch, CUDA, драйверов NVIDIA;
  • Системные требования: профессиональная видеокарта (NVIDIA RTX A4000/A5000, NVIDIA H100), не менее 16 ГБ оперативной памяти.

Начало работы после развертывания PyTorch

После оплаты заказа на указанную при регистрации электронную почту придет уведомление о готовности сервера к работе. В нем будет указан IP-адрес VPS, а также логин и пароль для подключения. Управление оборудованием клиенты нашей компании осуществляют в панели управления серверами и API — Invapi.

Данные для авторизации, которые можно найти или во вкладке Info >> Tags панели управления сервером или в присланном e-mail:

  • Логин: root - для администратора, user - для работы с PyTorch;
  • Пароль: для администратора - приходит в письме на вашу электронную почту при сдаче сервера, для пользователя user расположен в файле /root/user_credentials;

Подключение и первоначальные настройки

После получения доступа к серверу необходимо установить соединение с ним по протоколу SSH с правами суперпользователя (root):

ssh root@<server_ip>
Затем выполнить команду:

nano /root/user_credentials
После выполнения команды будет открыт текстовый файл, содержащий учетные данные пользователя user. Необходимо скопировать пароль для пользователя user.

Затем завершить сессию root и вновь подключиться к серверу по SSH от имени пользователя user, используя скопированный пароль.

Можно также выполнить из под рута команду:

su - user
Она обеспечит переход под учетную запись user.

Для проверки корректной установки необходимых компонентов можно запустить скрипт:

./pytorch_install.sh

Результат выполнения команды:

После его успешного выполнения необходимо активировать виртуальное окружение venv командой:

. pytorch.sh
Теперь вы можете приступить к работе в интерпретаторе Python, запустив его командой:

python
Интерпретатор готов к вводу команд и выполнению кода.

Примечание

Подробная информация по основным настройкам PyTorch содержится в документации разработчиков.

Заказ сервера с PyTorch с помощью API

Для заказа сервера с нужным ПО с помощью API используйте данную инструкцию.