PyTorch
En savoir plus sur les environnements conda PyTorch.
Description de l'environnement conda PyTorch 2.4.0 pour GPU en Python 3.10 avec CUDA 12.4 (version 1.0).
|
Publication |
Août 23, 2024 |
|---|---|
|
Description |
PyTorch est une bibliothèque d'apprentissage automatique utilisée pour les applications de vision informatique et de traitement du langage naturel. Il offre des fonctionnalités de haut niveau pour les calculs sur tenseurs et les réseaux neuronaux profonds. Utilisez oracle-ads pour accélérer votre workflow de science des données avec des outils qui automatisent les tâches courantes. Cet environnement inclut la boîte à outils CUDA et les bibliothèques couramment utilisées pour l'entraînement des grands modèles de langage (LLM). Pour commencer à utiliser l'environnement PyTorch, ouvrez et examinez l'exemple de bloc-notes getting-started.ipynb, à l'aide du lanceur. |
|
Version Python |
3,1 |
| Slug |
|
| Chemin de stockage d'objet | Le chemin Object Storage se trouve dans l'explorateur d'environnement dans une session de bloc-notes créée dans le domaine que vous utilisez. Le chemin est spécifique au domaine. |
|
Bibliothèques principales |
Pour obtenir la liste complète des bibliothèques Python préinstallées, reportez-vous à pytorch24_p310_gpu_x86_64_v1.txt. |
Description de l'environnement conda PyTorch 2.3.1 pour GPU en Python 3.10 avec CUDA 12.1 (version 1.0).
|
Publication |
Août 23, 2024 |
|---|---|
|
Description |
PyTorch est une bibliothèque d'apprentissage automatique utilisée pour les applications de vision informatique et de traitement du langage naturel. Il offre des fonctionnalités de haut niveau pour les calculs sur tenseurs et les réseaux neuronaux profonds. Utilisez oracle-ads pour accélérer votre workflow de science des données avec des outils qui automatisent les tâches courantes. Cet environnement inclut la boîte à outils CUDA et les bibliothèques couramment utilisées pour l'entraînement des grands modèles de langage (LLM). Pour commencer à utiliser l'environnement PyTorch, ouvrez et examinez l'exemple de bloc-notes getting-started.ipynb, à l'aide du lanceur. |
|
Version Python |
3,1 |
| Slug |
|
| Chemin de stockage d'objet | Le chemin Object Storage se trouve dans l'explorateur d'environnement dans une session de bloc-notes créée dans le domaine que vous utilisez. Le chemin est spécifique au domaine. |
|
Bibliothèques principales |
Pour obtenir la liste complète des bibliothèques Python préinstallées, reportez-vous à pytorch23_p310_gpu_x86_64_v1.txt. |
Description de l'environnement conda PyTorch 2.1 pour GPU en Python 3.9 avec CUDA 11.8 (version 1.0).
|
Publication |
Février 9, 2024 |
|---|---|
|
Description |
PyTorch est une bibliothèque d'apprentissage automatique utilisée pour les applications de vision informatique et de traitement du langage naturel. Il offre des fonctionnalités de haut niveau pour les calculs sur tenseurs et les réseaux neuronaux profonds. Utilisez oracle-ads pour accélérer votre workflow de science des données avec des outils qui automatisent les tâches courantes. Cet environnement inclut CUDA 11.8 et les bibliothèques couramment utilisées pour l'entraînement des grands modèles de langage (LLM). Pour commencer à utiliser l'environnement PyTorch, ouvrez et examinez l'exemple de bloc-notes getting-started.ipynb, à l'aide du lanceur. |
|
Version Python |
3.9 |
| Slug |
|
| Chemin de stockage d'objet | Le chemin Object Storage se trouve dans l'explorateur d'environnement dans une session de bloc-notes créée dans le domaine que vous utilisez. Le chemin est spécifique au domaine. |
|
Bibliothèques principales |
Pour obtenir la liste complète des bibliothèques Python préinstallées, reportez-vous à pytorch21_p39_gpu_v1.txt. |
Description de l'environnement conda PyTorch 2.0 for GPU on Python 3.9 avec CUDA 11.8 (version 2.0).
|
Publication |
septembre 12, 2023 |
|---|---|
|
Description |
PyTorch est une bibliothèque d'apprentissage automatique utilisée pour les applications de vision informatique et de traitement du langage naturel. Il offre des fonctionnalités de haut niveau pour les calculs sur tenseurs et les réseaux neuronaux profonds. Utilisez oracle-ads pour accélérer les workflows Data Science avec des outils qui automatisent les tâches courantes. Cet environnement inclut CUDA 11.8 et les bibliothèques couramment utilisées pour l'entraînement des grands modèles de langage (LLM). Pour vous lancer avec cet environnement conda, consultez le bloc-notes de mise en route à l'aide du lanceur. |
|
Version Python |
3,8 |
| Slug |
|
| Chemin de stockage d'objet | Le chemin Object Storage se trouve dans l'explorateur d'environnement dans une session de bloc-notes créée dans le domaine que vous utilisez. Le chemin est spécifique au domaine. |
|
Bibliothèques principales |
Pour obtenir la liste complète des bibliothèques Python préinstallées, reportez-vous à pytorch20_p39_gpu_v2.txt. |