Bibliothèque d'intelligence artificielle flexible et rapide
PyTorch est une bibliothèque d'apprentissage automatique qui offre une puissante accélération d'unité de traitement graphique (GPU) pour les calculs tensoriels basés sur Python et les réseaux de neurones dynamiques. Il fournit un large soutien écosystémique dans le développement et le déploiement de modèles d’apprentissage profond.
Mises à jour
- 29 octobre 2026: Étoiles 103,573 → 105,161, dernière version v2.15.0 (28 octobre 2026).
- 1 octobre 2026: Étoiles 102,730 → 103,573, dernière version v2.14.1 (30 septembre 2026).
- 3 septembre 2026: Étoiles 102,131 → 102,730, dernière version v2.14.0 (2 septembre 2026).
- 2 août 2026: Étoiles 101,297 → 102,131, dernière version v2.13.0 (8 juillet 2026).
Ce que ça vous apporte
- Calculs de tenseurs hautes performances alimentés par GPU
- Développement de modèles flexibles avec des réseaux de neurones dynamiques
- Entièrement compatible avec l'écosystème Python
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 devSi vous ne codez pas
Je souhaite développer des modèles d'apprentissage profond à l'aide de la bibliothèque PyTorch. Expliquez-moi les calculs tensoriels, la création de réseaux neuronaux dynamiques et l'exploitation de l'accélération GPU. Expliquez notamment comment utiliser les composants torch.nn et torch.autograd, comment les intégrer au framework Python et comment optimiser les processus de formation des modèles.
Dépôt : https://github.com/pytorch/pytorch. Base-toi sur les instructions officielles du fichier README de ce dépôt pour l'installation et l'exécution.
Avant de commencer, vérifie quel système d'exploitation nous utilisons et si les outils nécessaires (ex: Python, Node.js, Git, Docker) sont installés. Installe ceux qui manquent étape par étape selon ce système.
Crée un nouveau dossier vide pour travailler. Ne touche pas aux fichiers en dehors de ce dossier et ne supprime rien. Avant chaque commande, décris ce que tu vas faire en une phrase.
Dis-moi ce que je devrais voir à l'écran à la fin de chaque étape. Si une erreur survient, je te copierai le message d'erreur tel quel et nous la corrigerons ensemble.
Termes liés du glossaire
Liens
TreScout n'a pas développé cet outil · nous l'avons repéré dans les tendances GitHub et présenté. Cette page décrit le dépôt tel qu'il était le 2026-07-03 : Le nombre d'étoiles et notre texte datent de ce jour, le dépôt a pu changer depuis. Consultez le lien du dépôt pour l'état actuel. Le texte de présentation a été préparé avec l’IA à partir de la propre documentation du dépôt et cette page a été traduite automatiquement depuis l’original turc · la version turque fait foi.