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¶
ID | Совместимые ОС | VPS | BM | VGPU | GPU | Мин. ЦПУ (Ядер) | Мин. ОЗУ (Гб) | Мин. HDD/SDD (Гб) | Доступно |
---|---|---|---|---|---|---|---|---|---|
114 | Ubuntu 22.04 | - | - | + | + | 1 | 1 | - | Да |
- 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 Информация >> Тэги 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):
Затем выполнить команду: После выполнения команды будет открыт текстовый файл, содержащий учетные данные пользователяuser
. 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:
Она обеспечит переход под учетную записьuser
. Для проверки корректной установки необходимых компонентов можно запустить скрипт:
Результат выполнения команды:
После его успешного выполнения необходимо активировать виртуальное окружение venv
командой:
Примечание
Подробная информация по основным настройкам PyTorch содержится в документации разработчиков.
Заказ сервера с PyTorch с помощью API¶
Для установки данного ПО с использованием API следуйте этой инструкции.