gotch 다운로드 - gotch 소스 코드 다운로드

잡치

개요

gotch 이미 최적화된 C++ 텐서 API(3039)와 CUDA 지원을 통한 동적 그래프 계산을 활용하기 위해 Pytorch C++ API(Libtorch)에 대한 씬 래퍼를 생성하고 Go에서 딥 러닝을 개발하고 구현하기 위한 관용적인 Go API를 제공합니다.

일부 기능은

포괄적인 Pytorch 텐서 API(2525)
모든 기능을 갖춘 Pytorch 동적 그래프 계산
PyTorch Python API를 사용하여 훈련/저장된 모델을 실행하기 위한 JIT 인터페이스
사전 훈련된 Pytorch 모델 로드 및 추론 실행
CPU와 GPU를 모두 지원하는 신경망 모델을 구축하고 훈련하는 Pure Go API
최신 이미지 모델
NLP 언어 모델 - Gotch 및 순수 Go Tokenizer로 구축된 별도 패키지의 Transformer입니다.

gotch 활성 개발 모드에 있으며 API 주요 변경 사항이 있을 수 있습니다. 언제든지 끌어오기 요청, 문제 보고 또는 우려 사항에 대해 논의하세요. 모든 기여를 환영합니다.

gotch 현재 버전은 v0.9.1 입니다.

종속성

Libtorch C++ v2.1.0 Pytorch 라이브러리
Clang-17/Clang++-17 컴파일러

설치

CUDA를 사용할 수 있는 경우 기본 CUDA 버전은 11.8 이고 그렇지 않으면 CPU 버전을 사용합니다.
기본 Pytorch C++ API 버전은 2.1.0 입니다.

참고 : libtorch /usr/local/lib 에 설치됩니다.

CPU

1단계: libtorch 설정(유효한 libtorch가 이미 컴퓨터에 설치되어 있는 경우 이 단계를 건너뛰십시오!)

    wget https://github.com/sugarme/gotch/releases/download/v0.9.0/setup-libtorch.sh
    chmod +x setup-libtorch.sh
    export CUDA_VER=cpu && bash setup-libtorch.sh

업데이트 환경 : Debian/Ubuntu에서 .bashrc 파일에 다음 줄을 추가/업데이트합니다.

    export GOTCH_LIBTORCH= " /usr/local/lib/libtorch "
    export LIBRARY_PATH= " $LIBRARY_PATH : $GOTCH_LIBTORCH /lib "
    export CPATH= " $CPATH : $GOTCH_LIBTORCH /lib: $GOTCH_LIBTORCH /include: $GOTCH_LIBTORCH /include/torch/csrc/api/include "
    export LD_LIBRARY_PATH= " $LD_LIBRARY_PATH : $GOTCH_LIBTORCH /lib "

2단계: 설정 문제

    wget https://github.com/sugarme/gotch/releases/download/v0.9.0/setup-gotch.sh
    chmod +x setup-gotch.sh
    export CUDA_VER=cpu && export GOTCH_VER=v0.9.1 && bash setup-gotch.sh

GPU

참고 : 컴퓨터에 CUDA가 작동하는지 확인하세요.

버전 확인: nvidia-smi
여기에 NVIDIA 드라이버를 설치하세요
여기에 CUDA를 설치하세요
여기에 CuDNN을 설치하세요

1단계: libtorch 설정(유효한 libtorch가 이미 컴퓨터에 설치되어 있는 경우 이 단계를 건너뛰십시오!)

    wget https://github.com/sugarme/gotch/releases/download/v0.9.0/setup-libtorch.sh
    chmod +x setup-libtorch.sh

    export CUDA_VER=11.8 && bash setup-libtorch.sh

업데이트 환경 : Debian/Ubuntu에서 .bashrc 파일에 다음 줄을 추가/업데이트합니다.

    export GOTCH_LIBTORCH= " /usr/local/lib/libtorch "
    export LIBRARY_PATH= " $LIBRARY_PATH : $GOTCH_LIBTORCH /lib "
    export CPATH= " $CPATH : $GOTCH_LIBTORCH /lib: $GOTCH_LIBTORCH /include: $GOTCH_LIBTORCH /include/torch/csrc/api/include "
    LD_LIBRARY_PATH= " $LD_LIBRARY_PATH : $GOTCH_LIBTORCH /lib:/usr/lib64-nvidia:/usr/local/cuda- ${CUDA_VERSION} /lib64 "

2단계: 설정 문제

    wget https://github.com/sugarme/gotch/releases/download/v0.9.0/setup-gotch.sh
    chmod +x setup-gotch.sh
    export CUDA_VER=11.8 && export GOTCH_VER=v0.9.1 && bash setup-gotch.sh

예

기본 텐서 연산

 import (
	"fmt"

	"github.com/sugarme/gotch"
	"github.com/sugarme/gotch/ts"
)

func basicOps () {

xs := ts . MustRand ([] int64 { 3 , 5 , 6 }, gotch . Float , gotch . CPU )
fmt . Printf ( "%8.3f n " , xs )
fmt . Printf ( "%i" , xs )

/*
(1,.,.) =
   0.391     0.055     0.638     0.514     0.757     0.446  
   0.817     0.075     0.437     0.452     0.077     0.492  
   0.504     0.945     0.863     0.243     0.254     0.640  
   0.850     0.132     0.763     0.572     0.216     0.116  
   0.410     0.660     0.156     0.336     0.885     0.391  

(2,.,.) =
   0.952     0.731     0.380     0.390     0.374     0.001  
   0.455     0.142     0.088     0.039     0.862     0.939  
   0.621     0.198     0.728     0.914     0.168     0.057  
   0.655     0.231     0.680     0.069     0.803     0.243  
   0.853     0.729     0.983     0.534     0.749     0.624  

(3,.,.) =
   0.734     0.447     0.914     0.956     0.269     0.000  
   0.427     0.034     0.477     0.535     0.440     0.972  
   0.407     0.945     0.099     0.184     0.778     0.058  
   0.482     0.996     0.085     0.605     0.282     0.671  
   0.887     0.029     0.005     0.216     0.354     0.262  



TENSOR INFO:
        Shape:          [3 5 6]
        DType:          float32
        Device:         {CPU 1}
        Defined:        true
*/

// Basic tensor operations
ts1 := ts . MustArange ( ts . IntScalar ( 6 ), gotch . Int64 , gotch . CPU ). MustView ([] int64 { 2 , 3 }, true )
defer ts1 . MustDrop ()
ts2 := ts . MustOnes ([] int64 { 3 , 4 }, gotch . Int64 , gotch . CPU )
defer ts2 . MustDrop ()

mul := ts1 . MustMatmul ( ts2 , false )
defer mul . MustDrop ()

fmt . Printf ( "ts1: n %2d" , ts1 )
fmt . Printf ( "ts2: n %2d" , ts2 )
fmt . Printf ( "mul tensor (ts1 x ts2): n %2d" , mul )

/*
ts1:
 0   1   2  
 3   4   5  

ts2:
 1   1   1   1  
 1   1   1   1  
 1   1   1   1  

mul tensor (ts1 x ts2):
 3   3   3   3  
12  12  12  12  
*/


// In-place operation
ts3 := ts . MustOnes ([] int64 { 2 , 3 }, gotch . Float , gotch . CPU )
fmt . Printf ( "Before: n %v" , ts3 )
ts3 . MustAddScalar_ ( ts . FloatScalar ( 2.0 ))
fmt . Printf ( "After (ts3 + 2.0): n %v" , ts3 )

/*
Before:
1  1  1  
1  1  1  

After (ts3 + 2.0):
3  3  3  
3  3  3  
*/
}

단순화된 컨벌루션 신경망

 import (
    "fmt"

    "github.com/sugarme/gotch"
    "github.com/sugarme/gotch/nn"
    "github.com/sugarme/gotch/ts"
)

type Net struct {
    conv1 * nn. Conv2D
    conv2 * nn. Conv2D
    fc    * nn. Linear
}

func newNet ( vs * nn. Path ) * Net {
    conv1 := nn . NewConv2D ( vs , 1 , 16 , 2 , nn . DefaultConv2DConfig ())
    conv2 := nn . NewConv2D ( vs , 16 , 10 , 2 , nn . DefaultConv2DConfig ())
    fc := nn . NewLinear ( vs , 10 , 10 , nn . DefaultLinearConfig ())

    return & Net {
        conv1 ,
        conv2 ,
        fc ,
    }
}

func ( n Net ) ForwardT ( xs * ts. Tensor , train bool ) * ts. Tensor {
    xs = xs . MustView ([] int64 { - 1 , 1 , 8 , 8 }, false )

    outC1 := xs . Apply ( n . conv1 )
    outMP1 := outC1 . MaxPool2DDefault ( 2 , true )
    defer outMP1 . MustDrop ()

    outC2 := outMP1 . Apply ( n . conv2 )
    outMP2 := outC2 . MaxPool2DDefault ( 2 , true )
    outView2 := outMP2 . MustView ([] int64 { - 1 , 10 }, true )
    defer outView2 . MustDrop ()

    outFC := outView2 . Apply ( n . fc )
    return outFC . MustRelu ( true )
}

func main () {

    vs := nn . NewVarStore ( gotch . CPU )
    net := newNet ( vs . Root ())

    xs := ts . MustOnes ([] int64 { 8 , 8 }, gotch . Float , gotch . CPU )

    logits := net . ForwardT ( xs , false )
    fmt . Printf ( "Logits: %0.3f" , logits )
}

//Logits: 0.000  0.000  0.000  0.225  0.321  0.147  0.000  0.207  0.000  0.000

Google Colab 또는 로컬에서 `gotch` 사용하여 플레이하세요.

텐서 시작
텐서 인덱싱
MNIST
YOLO v3 모델 추론
RNN 모델 훈련
CIFAR 모델 훈련
JIT ResNet18 Torch 스크립트 모델 로드 및 추론
신경 스타일 전송
이미지 사전 훈련된 모델 - 추론
번역
Pytorch Python 모델을 Go로 변환
Python Pytorch JIT 모델을 로드한 후 Go에서 학습/미세 조정
이미지 증대

시작하기

API 세부정보는 pkg.go.dev를 참조하세요.

특허

gotch Apache 2.0 라이센스가 있습니다.

승인

이 프로젝트는 tch-rs Libtorch Rust 바인딩에서 영감을 받아 많은 개념을 사용했습니다.

확장하다

gotch

잡치

개요

종속성

설치

CPU

1단계: libtorch 설정(유효한 libtorch가 이미 컴퓨터에 설치되어 있는 경우 이 단계를 건너뛰십시오!)

2단계: 설정 문제

GPU

1단계: libtorch 설정(유효한 libtorch가 이미 컴퓨터에 설치되어 있는 경우 이 단계를 건너뛰십시오!)

2단계: 설정 문제

예

기본 텐서 연산

단순화된 컨벌루션 신경망

Google Colab 또는 로컬에서 `gotch` 사용하여 플레이하세요.

시작하기

특허

승인

waymo open dataset

SmartTube

Sunamu

viptools for eslam

MySchedule.py

VITAident

chat.petals.dev

GPT Prompt Templates

GPTyped

waymo open dataset

SmartTube

Sunamu

wp functions

waymo open dataset

slugify

gotch

잡치

개요

종속성

설치

CPU

1단계: libtorch 설정(유효한 libtorch가 이미 컴퓨터에 설치되어 있는 경우 이 단계를 건너뛰십시오!)

2단계: 설정 문제

GPU

1단계: libtorch 설정(유효한 libtorch가 이미 컴퓨터에 설치되어 있는 경우 이 단계를 건너뛰십시오!)

2단계: 설정 문제

예

기본 텐서 연산

단순화된 컨벌루션 신경망

Google Colab 또는 로컬에서 gotch 사용하여 플레이하세요.

시작하기

특허

승인

Google Colab 또는 로컬에서 `gotch` 사용하여 플레이하세요.