Документация PyTorch

PyTorch — это оптимизированная библиотека тензоров для глубокого обучения, использующая GPU и CPU.

Функции, описанные в данной документации, классифицируются по статусу выпуска:

Стабильно: Эти функции будут поддерживаться долгосрочно, и, как правило, не должно быть значительных ограничений производительности или пробелов в документации. Мы также ожидаем поддерживать обратную совместимость (хотя изменения, нарушающие обратную совместимость, могут произойти, и об этом будет сообщено за один выпуск до момента изменения).

Бета: Эти функции помечены как бета-версия, потому что API может быть изменён на основе отзывов пользователей, потому что необходимо улучшить производительность или потому что охват операторов ещё не завершён. Для функций бета-версии мы обязуемся довести их до статуса «Стабильно». Однако мы не обязуемся поддерживать обратную совместимость.

Прототип: Эти функции, как правило, недоступны в составе двоичных дистрибутивов, таких как PyPI или Conda, за исключением некоторых случаев, когда они доступны с помощью флагов во время выполнения, и находятся на ранней стадии тестирования и сбора отзывов.

Сообщество

• Управление PyTorch | Сборка + CI
• Руководство по участию в проекте PyTorch
• Философия проектирования PyTorch
• Управление PyTorch | Механизмы
• Управление PyTorch | Поддерживающие разработчики

Примечания для разработчиков

• Примеры CUDA автоматического смешанного точности
• Механизм Autograd
• Семантика широковещательной рассылки
• Многопоточность CPU и вывод TorchScript
• Семантика CUDA
• Распределённое многопоточное вычисление данных
• Расширение PyTorch
• Часто задаваемые вопросы
• Механизм Gradcheck
• Семантика HIP (ROCm)
• Функции для развертывания в масштабах крупных проектов
• Модули
• Бэкенд MPS
• Рекомендации по использованию многопоточности
• Числовая точность
• Воспроизводимость
• Семантика сериализации
• Часто задаваемые вопросы по Windows

Языковые интерфейсы

• C++
• Javadoc
• torch::deploy

API Python

• torch
• torch.nn
• torch.nn.functional
• torch.Tensor
• Атрибуты тензора
• Представления тензоров
• torch.amp
• torch.autograd
• torch.library
• torch.cuda
• torch.backends
• torch.distributed
• torch.distributed.algorithms.join
• torch.distributed.elastic
• torch.distributed.fsdp
• torch.distributed.optim
• torch.distributions
• torch.fft
• torch.futures
• torch.fx
• torch.hub
• torch.jit
• torch.linalg
• torch.monitor
• torch.special
• torch.overrides
• torch.package
• torch.profiler
• torch.nn.init
• torch.onnx
• torch.optim
• Комплексные числа
• Промежуточные связки DDP связи
• Параллелизм канала
• Квантование
• Распределённая RPC-рамка
• torch.random
• torch.masked
• torch.nested
• torch.sparse
• torch.Storage
• torch.testing
• torch.utils.benchmark
• torch.utils.bottleneck
• torch.utils.checkpoint
• torch.utils.cpp_extension
• torch.utils.data
• torch.utils.jit
• torch.utils.dlpack
• torch.utils.mobile_optimizer
• torch.utils.model_zoo
• torch.utils.tensorboard
• Информация о типе
• Именованные тензоры
• Охват операторов именованных тензоров
• torch.__config__

Библиотеки

• torchaudio
• TorchData
• TorchRec
• TorchServe
• torchtext
• torchvision
• PyTorch на устройствах XLA

Индексы и таблицы

• Индекс
• Индекс модулей