wolaiyeptx的博客

PyTorch C++ Frontend是一个用于 CPU 和 GPU 张量计算的 C++14 库，具有用于最先进机器学习应用程序的自动微分和高级构建块。描述PyTorch C++ Frontend可以被认为是 PyTorch Python Frontend的 C++ 版本，为机器学习和神经网络提供自动微分和各种更高级别的抽象。具体来说，它由以下组件组成：组件描述torch::Tensor可自动微分、高效的 CPU 和 GPU 启用张量torch::nn用于神经网络建模

这些页面提供了 PyTorch C++ API 公共部分的文档。这个 API 大致可以分为五个部分：ATen: 构建所有其他内容的基础张量和数学运算库。Autograd: 通过自动微分增强 ATen。C++ Frontend: 用于训练和评估机器学习模型的高级构造。TorchScript: TorchScript JIT 编译器和解释器的接口。C++ Extensions: 一种使用自定义 C++ 和 CUDA 例程扩展 Python API 的方法。结合起来，这些构建块形成了一个研究和生产

在 60 分钟闪电战中，我们向您展示了如何加载数据，通过我们定义为 nn.Module 子类的模型提供数据，在训练数据上训练这个模型，并在测试数据上测试它。 为了了解发生了什么，我们在模型训练时打印出一些统计数据，以了解训练是否在进行。 但是，我们可以做得比这更好：PyTorch 与 TensorBoard 集成，这是一种用于可视化神经网络训练运行结果的工具。 本教程使用 Fashion-MNIST 数据集说明了它的一些功能，该数据集可以使用 torchvision.datasets 读入 PyTorch。

使用 PyTorch C++ 前端PyTorch C++ 前端是 PyTorch 机器学习框架的纯 C++ 接口。 虽然 PyTorch 的主要接口是 Python，但 Python API 位于大量 C++ 代码库之上，提供基础数据结构和功能，例如张量和自动微分。 C++ 前端公开了一个纯 C++11 API，它使用机器学习训练和推理所需的工具扩展了这个底层 C++ 代码库。 这包括用于神经网络建模的内置通用组件集合； 使用自定义模块扩展此集合的 API； 流行的优化算法库，例如随机梯度下降； 一个带有

翻译至PyTorch官方教程C++ 扩展有两种形式：它们可以使用 setuptools“提前”构建，或者通过 torch.utils.cpp_extension.load()“及时”构建。 我们将从第一种方法开始，稍后讨论后者。使用setuptools构建对于“提前”风格，我们通过编写 setup.py 脚本来构建我们的 C++ 扩展，该脚本使用 setuptools 编译我们的 C++ 代码。 对于 LLTM，它看起来很简单：from setuptools import setup, Extens