Flexible und schnelle Bibliothek für künstliche Intelligenz
PyTorch ist eine Bibliothek für maschinelles Lernen, die eine leistungsstarke GPU-Beschleunigung (Graphics Processing Unit) für Python-basierte Tensorberechnungen und dynamische neuronale Netze bietet. Es bietet umfassende Ökosystemunterstützung bei der Entwicklung und Bereitstellung von Deep-Learning-Modellen.
Aktualisierungen
- 1. Oktober 2026: Sterne 102,730 → 103,573, neueste Version v2.14.1 (30. September 2026).
- 3. September 2026: Sterne 102,131 → 102,730, neueste Version v2.14.0 (2. September 2026).
- 2. August 2026: Sterne 101,297 → 102,131, neueste Version v2.13.0 (8. Juli 2026).
Was es bringt
- GPU-gestützte Hochleistungs-Tensorberechnungen
- Flexible Modellentwicklung mit dynamischen neuronalen Netzen
- Vollständig kompatibel mit dem Python-Ökosystem
Installation
git clone https://github.com/pytorch/pytorch
cd pytorch
# if you are updating an existing checkout
git submodule sync
git submodule update --init --recursivepip install --group devWenn Sie nicht programmieren
Ich möchte Deep-Learning-Modelle mithilfe der PyTorch-Bibliothek entwickeln. Führen Sie mich durch Tensorberechnungen, die Erstellung dynamischer neuronaler Netze und die Nutzung der GPU-Beschleunigung. Erklären Sie insbesondere, wie Sie die Komponenten Torch.nn und Torch.autograd verwenden, wie Sie sie in das Python-Framework integrieren und wie Sie die Modelltrainingsprozesse optimieren.
Repository: https://github.com/pytorch/pytorch. Richte dich bei der Installation und Ausführung nach den offiziellen Anweisungen in der README-Datei dieses Repositorys.
Prüfe vor dem Start, unter welchem Betriebssystem wir arbeiten und ob die notwendigen Tools (z. B. Python, Node.js, Git, Docker) installiert sind. Installiere fehlende Tools schrittweise entsprechend diesem System.
Erstelle einen neuen, leeren Ordner für die Arbeit. Rühre keine Dateien außerhalb dieses Ordners an und lösche nichts. Sag mir vor jedem Befehl in einem Satz, was du tun wirst.
Sag mir, was ich am Ende jedes Schrittes auf dem Bildschirm sehen sollte. Wenn ein Fehler auftritt, füge ich die Fehlermeldung exakt so ein, wie sie ist, und wir beheben sie gemeinsam.
Verwandte Begriffe aus dem Glossar
Links
TreScout hat dieses Werkzeug nicht entwickelt · wir haben es in den GitHub-Trends gefunden und stellen es vor. Diese Seite beschreibt das Repository so, wie es am 2026-07-03 war: Die Anzahl der Sterne und unser Text stammen von diesem Tag, das Repository kann sich seitdem geändert haben. Den aktuellen Stand finden Sie über den Link zum Repository. Der Präsentationstext wurde mit KI aus der eigenen Dokumentation des Repositories erstellt und diese Seite wurde maschinell übersetzt aus dem türkischen Original · maßgeblich ist die türkische Fassung.