Key points are not available for this paper at this time.
딥러닝 프레임워크들은 종종 사용성이나 속도 중 하나에만 집중했으나, 두 가지 모두를 만족시키지 못했습니다. PyTorch는 이 두 목표가 사실상 양립할 수 있음을 보여주는 머신러닝 라이브러리입니다: 코드 자체를 모델로 지원하는 명령형이며 파이썬다운 프로그래밍 스타일을 제공하여 디버깅이 쉽고 다른 인기 있는 과학 컴퓨팅 라이브러리들과 일관성이 있으며, 동시에 효율적이고 GPU와 같은 하드웨어 가속기를 지원합니다. 본 논문에서는 PyTorch 구현의 원칙과 그것이 아키텍처에 어떻게 반영되었는지 자세히 설명합니다. PyTorch의 모든 측면이 사용자 완전 제어 하에 있는 일반 파이썬 프로그램임을 강조합니다. 또한 런타임의 주요 구성 요소들이 신중하고 실용적으로 구현되어 상호 작용하며 뛰어난 성능을 달성하는 방식을 설명합니다. 여러 일반적인 벤치마크에서 개별 하위 시스템의 효율성뿐만 아니라 PyTorch 전체의 속도를 입증합니다.
Building similarity graph...
Analyzing shared references across papers
Loading...
Adam Paszke
Sam Gross
Francisco Massa
Building similarity graph...
Analyzing shared references across papers
Loading...
Paszke 외 (Tue,)가 이 질문을 연구했습니다.
www.synapsesocial.com/papers/69ffcea5e4618ba4162d90b4 — DOI: https://doi.org/10.48550/arxiv.1912.01703