拍 touch 的安装 g p u 版二,好,如果你库打安装好了,你接下来要去看一看库打是否安装成功,就可以在命令提示服里面在这里输入一个 m v c 杠 v, 哎,写错了啊,是杠 v 回车,那么此时它就会返回你当前安装的 quad 版本。诶,哦,是当前安装的 quad 版本呢,是十一点七,所以同学们,你要注意好了,你所能够支持的 quad 版本到底是多大,你就最多只能安装到 quad 十一点七这个版本, 你不要去安装酷打驱动软件,不要去安装十一点八,不要去安装啊,一定要安装他最多能够支持的,像老师这里最多能够支持的是十一点七,因此老师就安装了一个十一点七的版本的酷打软件。然后安装完之后,你通过 n v c c 啊,已经确定好了酷打安装成功了,那么接下来呢,你就可以直接 来安装库打了啊,就通过这个命令,现在我们已经确定了老师的库打是十一点七。好,你接下来就通过这个命令,可以直接来安装了,在这里呢,你放下来就可以来安装了。但是呢,由于这个软件非常大,我们刚才讲了安装的这个 torq 啊,他可能有一个多 g 啊,应该确定是有一个多 g。 如果你的网络但凡出现一点波动,这个地方他就你下载下载,下载,好不容易下载了五百多兆,七百多兆,哎,他就给你断掉了,因为网络有点波动,他就给你停掉了,那么怎么办呀?哎,其实这地方他给了你一个网址,同学们, 这个网址啊,你可以打开看一看,其实对应的就是 py torch 的服务器,那么在这里呢,它有很多关于 py torch 知识的软件,比如我们需要安装的 torch, 还有呢 torch audio, 还有呢 torch worship, 它都有,那么现在 你不就是要安装 touch 和 touch watching, 还有 audi 吗?那么你直接在这里来进行安装也是没有问题的。那么在这里一点开之后啊,我们刚才点击了 托起,我们先来安装托起啊,那么你到底应该安装哪一个版本的托起呢?你看前面这个托起二零,然后呢 cpu 什么什么的什么的什么的,你也不知道他到底代表什么含义啊?我们来分析一下,托起二点零零就代表你当前下载的托起版本是二点零零版本的, 然后呢,后面加上一个 cpu, 就代表你当前安装的是 cpu 版本的,然后呢,这个地方一个 cp, 不是说你要处一个 cp 啊,不是啊,这里的 cp 它表示的是 python 的版本,例如老师现在这个地方啊,我现在把这个删掉啊,不这样去安装, 老师在这里呢,默认使用的拍子呢,是三点七点九版本,所以你就去找到 cp 三点七点九这个版本,那么就是三七这个版本啊,你去找到这个版本就可以了, cp 三七这个版本就好了,哎,这个地方默认呢,比如这个,他表示 cp 三点十版本就是拍子三点十版本,然后呢操作系统是另一个操作系统的,那么显然这 一个文件并不是我们需要去安装的,我们要去安装拍摄三点七这个版本,所以呢,你通过 ctrl f 在这里呢,输入 c p 三七,就能够确立你当前拍摄的版本。好,我们将往下找找找,那你到底要安装哪一个版本呢?哎,你可以跟着老师一样的版本来进行安装啊,例如老师安装的呢? 修一下,我们查看一下 top 的版本。老师安装的是一点一三点一这个版本, 在这里我们也不建议同学们安装最新的 touch 版本好不,建议安装和老师差不多的版本就行了,但是同学们,你千万不要去安装啊,后面特别老的一些版本,例如我们往下翻啊,一点五一这个版本你就不要建议去安装了啊。 那么在这里呢,老师安装的是一点一三这个版本,那么你可以去找一下关于一点一三这个版本啊,直接就是搜一点一三这个版本。好,在这里呢,传是一点一三这个版本啊,一点 一三点一,那么好,再加个点一,现在就确定好了。在这,现在你去找到 c p 三点七,是不是只有这两个是 c p 三点七啊?哎,但是我们发现他好像只有慢了,嗯,这是怎么搞的?这是因为他是 c p u 版本,他并没有写 g p u 啊。那么 g p u 版本在哪里啊?你往下翻,下面还有 下面还有,我们往下翻,在这个地方,你看它这块有图形啊,这个地方是 touch c u, 看到没有?这个才是扩大啊,我们要去安装扩大一一七,那么扩大一一七在这儿,所以你一开始也可以直接定位扩大幺幺七,就代表你现在安装的是扩大 幺幺七这个版本。而老师安装的版本呢,是幺幺三点一,那么就找到幺幺三点一,就这个地方,然后呢找到 python 三点七这个版本,那么 python 三点七满足和老师一样的版本呢?是不是只有他们俩了呀?你看 torch 一点一,三点一,并且他的扩大版本呢是幺幺七,并且他的 python 版 版本呢是三点七,对不对?然后呢有一个 linu 系统版本,有一个 window 系统版本,那么此时我们就去下载 windows 系统版本,你把它下载一下,点击一下它就可以来下载了,你看二二点,一个 g 非常大,如果你用命令提示符的形式直接去下载安装啊,它经常性的可能会中断两个 g 的内容啊,你可能要下一个小时,那么一个小时的过程中,你突然就网络中断了,就会导致你下载失败。 所以呢,建议同学们你直接把这个网址啊,在这个地方下载,或者直接到迅雷啊,或者用其他这些下载专门的下载软件把它下载一下,这样的话下载速度就非常快了啊,关注我,学习计算机知识。
粉丝1888获赞7455

带 gpu 的帕特尔签装需要三个步骤, q 弹安装、 gda 安装帕特尔签装,下面详细讲述安装过程。 guccid 安装步骤如下, 首先查看英伟达显卡的扩大信息,打开英伟达控制面板,帮助菜单下点击系统信息 演示基因。伟达显卡的哭大版本是十一点三。 查看帕涛尔支持的哭打版本, 进入拍拖耳之官网,向下找出拍拖耳签装配置,可以开出拍拖耳 七点九点零支持的酷的最高版本是十一点一, 一个是十一点三,一个是十一点一,要选择十一点一版本的裤带安装包, qq 的安装包下载地址已经打在屏幕上,找出酷的十一点一版本的链接,点击他演示笔记本的系统是六十四位 windows 十并 stoltax 选择 excnitty 安装包不到六十兆 安装扣的一定要以管理员身份运行。安装程序 要选择自定义安装 展开。抓一本 comeond, 如果给翻一抓,一本的 当前版本高于新版本,不要勾选 disco airi, 记住酷的安装位置,后面有用 按提示安装即可。演示笔记本比较老,这个过程大约需要十分钟 安装成功, 安装程序自动配置了,环境变亮,不需要手工处理, 同时按下微加二键,调出 cnb 窗口,进入 命令, mvcc 杠打 v 出现如图,结果证明酷打安装成功。酷 dnn 底安装步骤如下,这里需要会员资格,应 次先注册一个账户, 如果已经注册过,则录入密码登录,否则创建账户填写注册信息,勾选同一英伟达的条款。下面的问题是非常惨烈的,直接拷问你是不是人, 问题是随机出的,这次遇到的是从给出的图形中挑出自行车。要什么自行车啊?要啥自行车, 要认真回答问题,答错了,不只是要告别自行车了,恐怕告别的是人类。在图形识别领域 恋爱早就超过人类了,研发 ai 的公司还出这种题,也不知道是咋想的,应该考察对方是不是非人类,比如这样出题。那既然这 这样的话,我也咨询个问题,你说过年了,嗯,我们家什么年货也没买,就剩下一头猪和一头驴,你说我是先杀猪呢还是先杀驴呢?那你先杀,给你们俩个机会,哈哈哈, 驴肉好吃。好,先杀驴,先杀驴。恭喜你答对了,猪也是这么想的。回到正题,点击创建账户, 因为答会给人类发个验证邮件, 打开邮箱,在网站通知里找出这封邮件,点击其中链接,验证通过后登录,继续完善账户信息。 终于可以下载安装包了, 找出与酷的十一点一对应的 ctrl 软件包,这个地方需要仔细一点下载安装包,安装包是一个基本键, gdm 的安装就是把安装包中的文件按照文件加对应的原则拷贝到 q 点之中, 打开 cmd 窗口,按图中指令运行一个 dm, 结果如图时说明酷迪人类男装成功。 最后就是拍掏耳圈中打开拍掏耳器,官网向下找到安装配置,按系统情况选择。如图,最下面的指令就是安装指令, 这里采用的是拼盘装方式,不是康的,不需要实行安装。安的,康的执行安装指令,这里有个安装包,三个 g 下载,他需要一些。 安装结束, peplex 查看安装列表会发现多了三个。测试一下安装结果,运行爱开放,如图,渐入语句结果是出入说明 gpu 版的 party 安装成功。 这次安装过程的分享结束了,谢谢观看。 再来一遍。

大家好,这里我们来安装酷达拍摄的环境,首先我们要检查电脑上是否有安装 nvdr 的显卡,右键此电脑,点击管理 设备管理器,点开显示试配器,如果有 nv 第二开头的设备,就说明你的电脑可以安装酷达。 接下来我们来到这个网站,这一部分会放在视频简介里, 点击 windows local, 点击 download, 这里我已经下载好了, 双击打开安装包, 点击 ok, 这里会加载三到五分钟, 这里稍等一下 提示,点击下一步就好, 然后等待安装,这里差不多五分钟左右, 安装好后,点击下一步, 关闭安装程序, 然后我们进到下一个网站, 下载安娜康达,这里我也下载好了, 双击打开安装包, 这里根据自己的喜好选择就好。 安装目录同样 这里第一行一般不用勾选 第二行,如果你有安装其他版本的拍摄或者是昂达康达,这里就取消勾选,点击下一步进行安装,这里差不多五分钟左右, 点击下一步,关闭安装程序, 然后我们开始安装运行库和环境,打开开始菜单, 打开康达的命令行,首先我们要创建一个康达的虚拟环境,输入视频中显示的命令,环境的名字根据自己的喜好而定,这里我就取名叫哭打,这部分建议跟着视频手打,以便记忆, 根据提示输入 y 回车,后面也是一样。 虚拟环境安装好了,接下来我们要进入刚刚创建的环境中,输入视频中所显示的命令 括号里变成新建环境的名字,就说明我们已经进入了。然后我们开始安装运行库 已经全部安装好了,接下来我们要开始验证是否安装成功。 输入 nvd 啊杠 smi, 如果输入像视频里的一样,就说明 到驱动安装成功。接下来输入 nvcc 杠大写的 v, 如果有输出版本号,就说明扩大的环境安装完成。 接下来输入 gupid 的 gon leg, 有弹出浏览器并进入丘比特的界面,就说明丘比特已经安装成功。 如果要关闭丘比特,只需要回到命令行按 ctrl c 即可。 如果没有回到原来的康大环境,输入屏幕上的命令就可以了。 那么以上便是这次的教程。


各位小伙伴们大家好,我是番茄,本期视频为大家讲解如何安装 cuta 和 card 呢,前提是你要有摁卡并支持 cuta, 安装 cuta 之后 可以加快 gpu 的运算和处理速度。首先我们来到英伟达官网下载最新驱动,如果你不知道显卡型号等,可以打开任务管理器查看,点击性能看是否有 n 卡,可以看到我这有 n 卡, 型号是英伟达的 m x 幺三零,接着选择对应的型号就可以了。然后点搜索,接着点下载, 同意开始下载,双击安装,如果你 c 盘比较大,可以默认下载路径,点 ok, 开始检测系统兼容性,同意并继续 精简。下一步就开始安装驱动了。安装完成,关闭,打开个 fast experience, 可以看到最新驱动版本。接下来我们查看你的电脑是否支持 q 的。打开英伟达控制面板,然后点系统信息,再点组建, 你也可以点帮助的系统信息进入组建。如果你这里显示有这行,说明你的电脑支持 cuta。 我的 cuta 驱动版本是幺二点零点幺三九,待会下载 cuta 的时候要小于等于这个版本。我们来到 cuta 版本页面, 选择一个小于等于 q 打驱动的版本吧,我的 q 打驱动是幺二点零点幺三九,下载 q 打别高于他就可以了。这里我就下载幺二点零点零版本, 点击一下,选择对应操作系统,选择对应版本,再选择安装类型,选择第一个本地安装,下载完后双击 q 的安装包安装,如果你空间足够,选择默认路径。 ok 安装。 开始检测系统环境,同意并继续下一步,这里选择自定义下一步,这里让你选择组建第二个,可以不用勾选,大部分出场都自带, 其他都默认选上。下一步建议默认路径,除非你 c 盘空间很小。 q 的路径需要记住,后面需要下一步勾选上 next, 准备安装下一步,关闭 windows, 加二,输入 c m d, 查看是否安装成功。输入这行命令,查看 qda 版本,返回这堆结果说明安装成功。再输入 set qda, 查看 qda 是否自动配置了环境变量,返回这个说明环境变量自动设置好了, 接下来安装 cudnn, 来到这个网站,选择对应版本,你的 cudnn 版本应该和 qda 保持一致或者低于 qdad。 我刚下的 qdad 版本是十二点零, 这里我就选择 codnn 八点六版本,点击一下,选择对应操作系统和版本,然后开始下载,下载完后得到一个压缩包,解压到当前文件夹,双击打开,里面有三个 文件,把这三个文件放到 q 的安装目录文件下,如果左边有了这三个文件夹,也要将右边的三个文件拖入左边,他就会自动更新文件,这里勾选为所有当前项目,执行此操作。继续。 这样就安装好了 cudna, 可以把下载 cudna 的压缩包文件夹删掉了,我们测试一下是否成功。打开这个文件路径,然后在这输入 cmd 回车,在这输入这行命令回车, 结果显示 pass, 说明安装成功。再输入这行命令,回车,也显示 pass, 说明 see you d n n 安装成功了。前几期视频讲到的 deep face called farmer 等 ai 软件训练模型都是基于深度算法神经网络,安装了 q 打和卡顿,可以加快 gpu 的运算和处理速度。感谢观看,关注番茄,带你了解更多实用知识!

拍 torch 的安装一,接下来呢,我们就正式来看一看 py torch 怎么样去安装安装呢,它的步骤也比较简单,你首先进入到 py torch 的官网,点击一下,那么此时呢就进入到 py torch 的官网, 呃,往下滑,现在网速有点慢啊,往下滑滑到这个地方,他就是教你如何去安装 py torch。 首先 py torch 呢,有两个版本啊, 我们横着来看,一个呢是稳定版本,这个呢是稳定版本,这个呢是预览版,所以呢你选择的话应该是选择稳定版本,不要选择预览版。然后呢接下来第二行啊, 这个地方呢是表示你当前的电脑你要安装的平台是属于哪一个系统,如果你是 linux 系统呢,就安装它,如果你是 mac 系统呢,安装它,如果你是 windows 呢, 就选择它啊。然后第三个呢就是你当前使用哪个包管理工具,如果你安装了 antconda, 那么就用它用 comda mini 来安装。如果你安装的 python 呢,就使用 peep 工具来安装。如果你没有 python, 也没有 antconda 呀, 还有一个呢, like, 这个一般是针对 c, 加加和加外语言来用的。然后呢还有一个元代码安装方法都是可以的。那么对于我们的课程里面来说啊,建议同学们使用 pep 工具,当然你也可以用康达都可以。这两个啊,我们一会课程里面呢就使用 pep 来进行安装 好。下面一个呢,狼轨就是表示你当前编程语言是哪一个?我们课程里面使用 python 啊,如果你使用的 java 也可以,当然我们课程里面是使用 python, 就是说啊, p y tort, 它是支持 c 加加和加瓦语言的。 好,下面一个呢是表示计算的平台哎,你发现他有一个扩大十一点七,扩大十一点八,然后呢,还有一个 cpu, 这是什么?这是告诉你到底是选择 cpu 版本还是 gpu 版本。 有些同学就蒙掉了,老师,我不知道我电脑有没有 gpu, 我电脑肯定有 cpu, 但是我不知道有没有 gpu 啊,这个时候我该怎么去确定呢?那么如果你的电脑里面没有显卡, 或者说你的显卡容量,这个显卡的内存容量低于六个 gb 的啊,如果你是四个 g, 两个 g 的显卡,同学们,你全部都去安装 cpu 的版本就好了,不要去安装 gpu 了。如果你的电脑的显卡容量有六 gb, 甚至于比 gpu 呢以上更多一点,哎,那么就推荐同学们呢去安装扩大版本。 那么怎么去安装扩大版本?我们一会再来教同学们,现在同学们已经知道了呃, g p u 版本和 c p u 版本,那么现在我们来告诉一下同学们怎么去安装 c p u 版本呢?安装 c p u 版本呢,它下面会自动给你一个命令,这个命令同学们熟悉不熟悉啊?是不是 p in store 呀? 所以呢,这个时候你只需要启动命令提示符,然后呢,在这里输入一个 cape in store torch 就可以了,那么这个时候呢,就会安装 py torch。 如果你安装的速度比较慢呀,下载的速度比较慢呀,你就加上一个进项地址,这个进项地址我以前也教过大家了啊,应该很熟悉了,对不对? 那么同学你看一下这个命令啊,通过 people 三 in store torch, 还有一个 torch watching, 还有一个 torch early, 它代表什么意思呢?它是代表了我们既安装了 torch, 又安装 放了一个这个东西,这个东西,那么 version 它表示的是自带的关于图像处理的模板,就是以后我们要去构建关于图像处理的深度神经网络的模板,他自己在这里方呢是提供了,如果你是要做音频处理呢?哎,这个里面他是提供了, 如果你将来不想使用他的模板,你就完全使用自己去搭建,那你就下载 torch 就可以了,后面这两个呀,你就可以删除掉。 好,那么这是 cpu 的安装版本啊,同学们,如果网络不好,你自己呢?慢慢呢去切换一下镜像壁纸。那么在下一节课,我们来告诉同学们 gpu 版本该如何安装,关注我,学习计算机指示。

大家好,这期视频讲如何在 stable diffusion web ui 升级 torch 和 coda。 我们使用的 web ui 是 automatic 幺幺幺幺。最新的 torch 已经推出二点零版本,跟之前版本一相比, 第一,包括了许多性能改进,使用新的编译模式可以显著加快训练和推理速度的。第二,添加了新功能,包括对原声闪存的支持和对内存效率的关注。 第三,更好的可用性, torch 二点零以变得更易于使用。对文档和教程进行了大量改进,但是 torch 并不会自动更新到高的版本,所以今天我们就来演示如何手动进行更新。同时一起更新的还有酷哒, 这是专门用来支持 nvidia 显卡的,操作是在 windows 系统上完成, windows 十和十一都可以。由于 kuda 是专为 nvidia 显卡定制的,所以如果是 mac 电脑或者是其他显卡就不适用。 最后特别要注意的是,一定要保证稳定的网络连接。再来说一下操作步骤,第一步,在 automatic 幺幺幺幺的安装位置找到 six 这个指纹键夹。 第二步,激活运行环境。第三步,到官网获取安装命令。这里特别说一下,如果之前有安装的 formers 必须卸载,后面会重新安装时和 torch 二点零版本的 formers。 第四步,之前卸载了 formers 的,这里重新安装升级 版本,之前没有安装的也可以在这里安装。第五步,安装过程结束之后退出运行环节,最后配置文件运行 automatic 幺幺幺幺。 这里多提一句关于 sdp 功能,它起到跟 formers 差不多的作用,都能提高运行效率,对高端 mv 类显卡效果尤其显著。 port 二点零支持 sdp 功能, sdp 全称是分布式数据并行,可以提升运行速度。但是需要注意的是,如果已经安装的 formers 和 sdp 两者只能选其一。 通过修改 web u igon user 点 but 文件,在里面进行配置,添加参数来激活这项功能。这里是一些可供参考的参数,实际需要 配合使用模型取样器和运算结果等综合测评,找到最适合的配置参数,现在开始安装。打开 stabled fusion web ui 文件夹,找到 when 文件夹,继续打开。 打开 scripts 文件夹,复制这条文件夹的路径, 打开命令提示符,进入刚才复制的文件夹路径,输入 activate, 激活虚拟环境, 可以看到这里出现 when 字样,就说明已经进入虚拟环境。卸载 former, 因为我之前没有安装过,所以显示这条提示,如果有安装会运行。卸载到 touch 官网,选择操作系统版本,复制安装命令, 回到命令提示服,输入安装命令 torch, 安装完成以后,如果要选装 formers 的,可以在这里安装。 到这里安装全部完成,退出虚拟环境。 我们先在没有配置 formers 或者 sdp 的情况下运行 stable diffusion, 然后我们分别添加参数,修改 web ui con user 点拜文件, 重启 stable 的 fusion web y。 在这个视频中,每个功能 我分别取一个参数做测试,其余的小伙伴们可以依据官方文档在自己电脑上调试, 再测试一个 s d p 的参数。 根据结果显示,无论是采用 formers 还是 sdp, 对性能提升都是有效的。 好了,这就是这期视频的全部内容,感谢观看,我们下期再见。

大家好,欢迎来到日光华的 py touch 深度学习入门实战课程,这节课我们来看一下拍 touch 二点零的简介与安装。 拍 touch 二点零呢,它是二零二三年的三月份发布的一个重要的版本。拍 touch 二点零,它是一个重大的更新,它代表了拍 touch 在之后的一个这种眼镜的方向。 那么拍拖是二点零呢,他是在确保和之前一点 x 这个版本,比如说从一点零到一点一三所有的这些版本完全兼容的基础上,提供了更快的训练和推理速度, 这就是所谓的拍 touch 二点零,它是一个重大的更新。拍 touch 二点零在确保原 有的动态图模式还有命令行这种编程风格的基础上,从编译层面对拍套尺做了加速。 那么我们所说的编译层面,实际上就是说它从 python 代码转换成比如说 cpu 上运行的 c 加加代码,或者说 gpu 上运行的这种代码的时候啊,它的转换效率, 转换成的代码的效率更高,速度更快。拍透这二零呢,他针对的无论是这种 gpu 还是 cpu, 还是这种 我们所说的这种呃, macbook, 什么 m m 一这种显卡,各种硬件上这种推理呢和训练都做了优化,对于拍套池内置的这种 transform 模块,在二点零版本呢,也做了专门的 优化,其运行速度呢,更快。所以说我们所说的这种拍套值二点零,你 你要了解的一点就是说他的速度更快了啊,他的训无论是训练还是推理的速度更快了,并且呢,他完全兼容之前的这些版本,一点零的版本一点零到一点一三是完全兼容的,你不需要做任何的代码的更改。 那么在过去的几年,从拍 touch 一点零到最近的一点一三,官方进行了关这种更新和迭代, 拍套尺二点零呢,提供了相同的命令行运行模式,相同的 api, 这种开发体验,这些呢,都是完全相同的。与此同时呢,拍套尺二点零从根本上改变和增强了拍套尺在变异器 级别,他的这种运行方式。拍照是二点零的,可以充分的去利用硬件加速器的功能,能够在一个模式下为动态图运行和分布式计算呢,提供更好的这种性能和支持。 那么从呃底层来说的话,他就会使翻译成更高的效率啊,更高效率的这种代码,比如说 c 加加代码,或者说呃 gpu 上运行的这些代码。 拍 touch 二点零,他推出了一个完全附加的方法, touch the company 啊,这是拍 touch 二点零引入的一个新方法,就是 touch the computer, 这个方法呢,是百分之百向后兼容的,他完全兼容一点零的。那么通过这个 computer 这个方法呢, 能够将拍套式的性能推向新的高度,同时将拍套式的部分变异模块从 c 加加呢转移到了拍森那,这是一个。那么这个转移大家可能会觉得有些意外,这种转移的目的呢,是想让这个变异器模块呢,能够 被更多的这种程序员所接受啊,更容易上手。因为 c 家家的代码他并不容易上手啊,拍子呢,更容易学习。 所以呢,他将拍摄的这种拍套这种变异模块呢,从 c 加加迁移到了这种拍摄部分变异模块啊, 这是拍 touch 的一个这种新的发展方向,比如说他会提高速度的同时提增加更多的这种意 应用性,所以它启用了一个新的版本号二点零。二点零呢,它引入一个简单的这种 compart 函数,它的用方法在这里我们简单看一下,就是 model 啊,这个 model 它的创建方法和一点零是完全相同的, api 的写法也是完全相同的, 只不过你比如说使用这个方法陶瓷在扛 power, 然后他会得到一个扛 power 的毛豆,那么这个 com power 的毛豆呢,他的训练方式也和一点零是完全相同的,只不过他的速度更快, 所以我们不需要做任何原代码的更改。 r 点零呢,只需要加着一行代码,就能够在让我们之前的绝大多数的模型它的速度提高百分之三十到两倍。 使用二点零呢,不需要我们去修改拍套尺的这种工作流程,只需要这一行代码就能够优化模型,使二点零加速,并且呢与其余的这些拍套尺代码呢一起平稳运行。那么并且呢,这个编译这一步啊,是完全可选的, 你不想加速,你完全使用你之前的代码也没有任何关系。拍照是二点零,它之所以能够实现加速呢,它使用了四种新的技术, 在这里呢,我们也列出来了,他呢主要的目的就是使的程序运行更快,内存占用更少啊,这就是二点零他的一个特点,在内存占用更少的基础上,程序运运行的更快。他突出的一点呢,就是使用了这个深度学习的变异器。 这个 touch 啊,叫做 inductor, 这个 touch inductor 呢,它是一个呃,一个完全使用 passion 来编写的一个深度学习编译器,它可以为多种加速器,比如包括我们所说的 呃这种 cpu 啊,呃 gpu 啊,还有 m e 啊等等吧,提供这种加速生成这种快速的代码。 torch induction 呢,将拍 touch 模型呢,映射到 gpu 上生成的这种呃代码,还有 cpu 上这个代码, 他的核心这种中间表示就是矮矮,因为这种矮矮呢仅包含五十,大约五十多个字符,他是用拍散来实现的,易于学习和扩展。这 我们所说的这种拍套纸二点零,通过这个的大家介绍,大家可以看到二点零呢,它实际上是完全兼容之前版本,只不过对之前版本做了一个优化啊,做了一个加速,还有内存上做了一些优化。 我们想使用二点零的这种加速功能呢,只需要将之前的这种模型的加上增加这一步就 ok 了,就是这么简单。那我们来看一下二点零的安装拍照者,二点零的安装呢,他也非常的简单,总的来说他的 核心思想就是根据官网的提示来安装就 ok 了啊。那么我们首先来看一下它支持的平台啊,它支持 windows, linux, mac os 这些平台。 windows 呢,支持 win 七还 win 十,我们推荐大家使用 win 十, win 十一啊,真的高的版本,或者 windows server 二零零八 r 以及更高的版本。如果说你是一些低版本的 windows 可能就用不了了, 那么 linux 呢,它要求无斑图十三点零四及以上的版本。 mac os 呢,是一零点一零及以上版本。 m 一版本的 mac 呢,它支持 gpu 加速, 这是 linux 支持的这些版本,这些版本之上的都支持,包括这些版本。 呃,那么我们所兼容拍套尺寸兼容的 python 版本呢,是 python 三点七到三点九, python 三点七到三点九,并且呢是六十四位的 python, 这是它 还有在安装之前要注意的这环境啊,我们本科车呢使用的是三点九, 我们推荐大家使用 minicomda 来搭建拍摄环境,为什么?因为 minicomda 它可以创建一个独立的环境,你可能在学习这个课程之前已经安装了拍摄,那么在这个拍摄上你可能安装了很多库, 你,当然你在这上面去安装拍套尺,其实问题也不大,但是也有可能会出现这种,比如说库冲突这样的 啊,这样的发生啊,尤其是你,比如说你安装了 test flow, 你在这个环境下再去安装,就可能产生这种酷的冲突。那么在这里呢,我们搭建一个魅力康大,他会创建一个最小的这种拍散环境,还有 康达环境,所以我们可以来安装一下这个 mini 康达啊。 mini 康达呢,我们可以下载官网对应的三点七啊,对应拍森三点七到三点九版本的这个 mini 康达,注意 mini 康达它是包含着拍森的, 那么你可以加我的微信,我可以将这个 mini 康大呢发给你啊,在这里呢,我已经下载下来了,就是这这里呢,我们看到 mini 康大杠 p y 三九,说明它包含的拍三啊,是拍三三点九, 大家可以双击,然后下一步,下一步,下一步这样来安装,全部默认安装就可以,这个安装呢非常简单。 然后呢我们就来看一下拍 touch 的版本啊,拍 touch 呢,它分为两个版本,第一个呢就是 c p u 版本,然后呢是 g p u 版本, g p u 版本啊,它可以使用 n v 达显卡来加进行加速,如果说你没有 n v 达显卡,那你就安装 c p u 版本,如果说你有的话,那么你就可以安装 g p u 版本, 那么他的 gp 版本呢,他可以利用安维达这种强大的并行加速能力,使得他这种训练运行更为高效,可以成倍的提升这种模型训练速度。 好了,下面呢我们首先来演示一下 cpu 版本的安装,我们根据官网的提示来看一下,如果说我们没有显卡,我们要安装 cpu 版本应该如何来做, 我们首先呢进入这个官网往下拖,这里呢我们可以我们 看到这是一个提示框,这里比如说我们选择稳定版的二点零,我们是平台是 mac 还是 linux 呢?比如说我们是 windows, 我们选择 windows, 然后我们安装方式呢,选择 pipe, 我们的语言是拍摄,然后我们是 cpu, 我们点这个 cpu, 好的,这的话我们就把条件选好了,他给出我们一个安装命令,就是 pipe install touch touch vin touch audio, 我们复制, 然后我们打开我们的 miniconda mini 行,怎么打开呢?在这里搜索 anaconda, 这里有一个 anaconda prompt, 括号 miniconda, 我们点它,这样的话我们就进入了 miniconda 的 mini 行,这里大家看到前面有个 base, 这里呢我们把我们的命令呢粘贴过来啊,我们的安装命令粘贴过来,复制 粘贴正的话,我们敲回车就可以安装这个 touch 二点零 cpu 版本啊,这就是它的安装方式,我们看到它正在进行下载整个的过程呢,也是你注意观察它下载过程中 只要不产生这种,比如说因因为网络产生中断啊,他只要不报错,就能够成功的去安装 cpu 版本, 这就是我们所说的 cpu 版本的安装,根据官网的提示选择平台来安装,比如说你是 mac, 可以点 mac, 点 python, 点 default, 然后复制这一行安装命令 就可以了。你是 linux 也是可以的啊, pipe python cpu, 然后复制这个安装命令就可以了啊,就是这么简单。 好的,那么我们安装完了之后呢,我们再来看一下,假如说我有啊, 在电视里我们还有做一个提示啊,就是说在 windows 平台啊,我们安装这个牌套车还有可能需要这个 vc reddest 啊,有可能需要这个 vc reddist, 实际上他是需要的,一般情况下,尼克的电脑应该是有这个 vc 的。 如果说,呃,那我建议大家安装一下这个 vc redist, 那么大家如果说需要这个包的话,可以加我的微信来进行安装,这是一个 ese 文件,当你拿到这个 ese 文件之后,双击它就可以,那这是温 windows 平台,它需要这个 vzoc, 加这个包, linux 和 max 是不需要的。 windows 平台它需要安装这个 vc, 那么这个 vc 是个 ese 文件,你只要双击它安装就可以,非常简单。这个包呢,也很小,你可以加我的微信来获取啊。 好的,这样的话,我们就下次我们就安装完了这个,呃,这个牌套纸,牌套纸,通过这一行安装命令 就 pip 就安装完毕了,非常的简单。那这个 vc 呢?它你无论是 pip 之前安装还是 pip 之后安装都是完全可以的啊,它是一个 c 加加的这种 v j c 加加的一个库。 好的,那么我们下面呢,再来看一下在呃如果说我们 gpu 应该如何来安装呢? gpu gpu 的安装其实也是一样道理,我们在这里选择 staple, 选择 windows, 选择 pipe, 选择 python, 这里当我们选择 gp 的时候, gp 的时候,我们可以选择一个酷的啊,比如说我们选择酷的的版本十一点七,这就是他给出了一个 gp 版本的一个安装 命令。这里大家要注意啊,如果说你有 gpu 的话,你不需要去执行这个 cpu 的安装,你只要选择现在我们所演示的这个 gpu 的安装就可以啊,并不是说 cpu 的安装是一个必要的步骤, 如果说你有安维达显卡的话,你就直接选择这个 cod, 然后选择这一条安装命令。我们看到这个安装命令呢,他会帮我们去安 安装这个 touch touch v 人 touch audio, 并且呢它会下载这个库的是依赖库,所以你就你就直接复制它就可以了。好的,我们复制过来,然后呢?呃,没有复制过来啊, 复制好然后回撤,这样的话他就会安装这些所有的库。在这里大家看到我已经安装好了,那安装完了 beat 安装完毕之后呢, 我们就可以来啊测试一下,测试一下这个安装过程是否成功。 怎么测试呢?那么在这里呢,在测试之前,我们首先我们要提醒大家一步,就是说 我们呢需要去我推荐大家使用猪喷头的 book 来进行编程,猪喷头的 book 呢,它是一个基于外部的开发,开发六开发环境啊,它非常非常的方便。我有一个免费的教程啊,如果说你 不会使用这个猪盘 notebook 的话,你可以加我的微信来获取这个免费教程。那么在我们去测试之前,我们首先需要安装这个 notebook, 怎么安装呢? 我们可以使用这个 pipe 来安装 pipe install 啊, install notebook, notebook 就可以,就是这么简单。 pipe install notebook, 这样的话,我们就可以安装这个用 jupiter book 这个编辑器啊,你可以叫它编辑器啊,它是 实际上是一个 g u web 的开发环境,命令行式的开发环境,我们运行银行代码,能够立即看到它一个执行结果,这点是非常非常方便的。我们运行这个 pipe install notebook 之后呢, 我们打开这个 notebook, 怎么打开?我们可以输入 jupiter notebook 啊,这个命令叫做 jupiter notebook, jupiter 空格 notebook, 好,我们敲回车,这样的话他就会打开我们的浏览器,要注意啊,推荐大家使用呃,谷歌浏览器或者微软浏览器, 这就是一个 home 页面,实际上就是你命令行所在的这个目录, c u 色光环这个目录,这里面有很多文件,我们点击 new, 点击这个拍摄三,在你那里是拍摄三,没有这些乱七八糟, 这段话就会点打开一个新的可能。大家看到这就是一个主盘的 book 的一个编辑页面,但是这里闪了一个光标的地方就是一个命令。呃,单元格,你可以在这里面输入命令,比如说我们可以 input touch 啊,引爆 touch, 这样的话就导入了 touch, 怎么执行它呢?按住 shift 敲回车,它会执行这个单元格,然后它会我们看到按住 shift 敲回车之后,它会自动打开,出现一个新的单元格,并且呢 这光标闪在新的单元格上,这时候我们可以输入新的命令,比如说我们生成一个,呃,生成一个这种 tense 吧,比如说讨吃点 tense, 讨吃点 rendom 吧,我们来看一下啊,讨吃点 rendon, 比如说我要生成一个 呃二乘三的一个随机数,随机的单词 touch the render。 当我们执行这一行命令的时候,如果他正确的返回了一个单词,说明我们的这个 touch 呢是完全没有问题的,已经成功的安装了。 那这个时候你可能会想,如果说我有 gpu 的话,它能不能使用 gpu 呢?这里有个测试代码,就是 torch 点 code 点 is available 啊, available available touch the code is available。 我们执行这一行代码怎么执行?按住 shift 敲回车啊,它显示 false, 这样的话说明它并不能使用 gpu 啊。在这里呢,原因就是我们刚才 刚刚的啊,刚刚执行了一遍那个 cpu 版本的安装, cpu 版本的安装,所以它是一个 cpu 的版本。好的,如果说你不执行这个 cpu 啊,直接刚运行我们刚才所说的这个 gpu 版本的一个安装命令挂,那么他这里如果说你的显卡你有安慰他显卡的话,那么在这里呢,他会显示啊,显示为处,显示为处的话,代表他可以使用 cpu, 呃, gpu, 呃。也欢迎大家关注瑞光华在网易云课堂的拍套,是深度学习入门实战课程,这个完整课程呢,它有两百节,从入门讲起,内容包括 cnn 啊,卷进申请、网络数据输入模型保存、经典网络架构迁移、学习可视化、图像定位原理、图像语音分割、文本与序列循环、网络一维卷进目标定位等等。啊,这就是我们网易云课堂的一个封面。 那么这个课程呢,他的前三十七节是可以免费预览的,那您可以加我的微信呢,来获取基础部分的这种参考代码和数据记,可以看一下前三十七节。那完整课程呢,有专门的学员群 提供答疑,并且分享全部的数据集参考代码。还有课件啊,也欢迎大家关注日月光华在网易云课堂的 爬虫数据分析,积极学习特斯 flow, 还有更生成对抗网络等等课程。谢谢大家。大家可以加我的微信,有什么问题谢谢大家,再见!

最新研发的这个 me 的那个芯片上面有那个 gpu 加速啊,可以让那个拍 touch 就是可以加速呃七到十二十倍,他等于是这样啊,所以这个非常强。然后今天的话呢,我就跟大家介绍一下这个东西啊, 那么这个是他一个官方的这样的一个图啊,这个官方图的话呢,这个就是 rest net。 这这这个之前我在人工智能里面也讲过了,它是一个非常重要的呃机器视视觉神经网络的这样的一个网网络,那么它可以提高大概十倍左右,预测的话它可以提高大概将近十五倍。 然后这个哈哈根 face 之前也是介绍过的,他那个 boot, 呃哈根 face 的 boot, 如果是呃呃 batch size 六十四位的话呢,它的加速可以将近达到六倍啊,就是呃 训练的加速可以达到六倍,然后预测的加速也加进接近十五倍啊,如果是 v g g 十六的话呢,那么他的训练差不多能增加呃七倍到八倍, 然后整个一个预估的话呢,他可以超过二十倍,他等于是这样啊,所以这个这个苹果的这个 m 一芯片的性能就非常好啊,那么呃苹果芯片性能非常好,但是我们还是要这个软件啊,配置要安装的对啊,那么才能用啊,所以我接下来的话跟大家介绍一下在这使用拍套去怎么安装在这个 啊? mac os 上面啊,它等于是这样啊,那么如果你需要使用这个 m e 芯片的 gpu, 呃,对拍 touch 进行加速训练的话,能达到呃七倍到二十倍的,这样加速性能的话呢,那么你就要用 这个 mac os 的幺零点幺五版本,它的以上的版本它它这个是要注意的,那么另外的话呢,建议的话呢, python 的话呢,要用三点七以以以上的版本啊,这个也是比较重要啊,那么呃,在选择那个 那个 m e 的这个 mac 的时候呢,你一定要用它的叫 on 六十四的这样的一个包啊,因为它,呃 m e 这个芯片的话呢,它不是 intel 的,它不是基于叉八六的这种指令的芯片,它是基于这个 on 架构六十四位的这种芯片啊指令啊,所以你要用的是这样的一个包啊, 然后那个当你整个环境安装完了之后的话呢,然后你就用 p i p 来安装啊,来安装,那么就可以安装这个拍 touch, 然后可以安装那个那个 touch version 啊,然后这样就可以了。嗯, 那么安装完了之后的话呢,就是,呃,目前这个拍套去支持的版本是一点一四一三的这个版本啊,这样的话呢,你这个在你的电脑上,你的这个训练加速就可以达到十倍以上,他的也是这样啊。 好了,那么我们再接下来再来,呃,讲几个问题啊,讲几个问题啊,这个大家也比较关注的几个问题,就是说啊,第一个问题的话呢,因为也有朋友跟我讲啊,问我就是 mac m 一的芯片为什么可以用来加速拍 touch 啊?他的意思是这样,嗯, 因为的话呢,就是这个第一个的话,因为这个 mac m 一芯片的话,它不单纯是一个 cpu 的芯片, 它里面还包含了这个 gpu, 就是图形处理器,也包含了 npu, 就是神经网络引擎啊,它等于是这样,然后还有包括统一内存单元的一些这样的一些功能啊,它是一个集成的这样一个芯片它,对啊, 所以的话呢,就是 m e 芯片的话呢,就是集成了这个 g p u 的组件,所以它可以用来呃加速这个拍 touch 哎,它是这样的啊,那么第二个的话呢,就是在 m e 芯片上那个 g p u 的显存有多大啊?因为 m e 芯片的话呢,它的 cpu 和 gpu 统一使用的是内存单元,所以的话呢, m 芯片能够使用显存的大小就是你 mac 电脑内存的大小啊,这个是非常重要的,所以我们在选那个 m 一 呃 mac 电脑的时候呢,这个内存尽量要稍微大一点啊,尽量能达到三十二 g 啊,包括六十六十四 g, 它等于是这样啊,这样的话呢,它的内存就可以当显显存来用啊,这个也是比较重要的。然后另外一个的话呢,就是,呃,有些朋友在问我的,就是 m 一这个芯片加速 那个拍 touch 的时候,是否要装那个酷达啊?就是英伟达的酷酷达的那个神经网络加速的这样一个呃工具是,呃,是否需要?其实是不需要的,因为酷达的话呢,它主要是适配的是英伟达的 gpu。 然后呃 mac m 一当中的 g p u, 它后端加速的话呢,在拍踏拍 touch 里面叫 n p s 啊,它不是叫那个 主打它叫 n p s 啊,那么这个是在 mac 的这个操作系统上已经具备了,所以它比较简单,不需要单独安装的啊,只要你这个芯片是 m e 芯片的,然后就 按照我前面讲的那个拍 touch 的那个安装的这样的一个一个说明啊,那么基本上就可以用拍 touch 来进行加速训练了啊,好, 那么第四个问题啊,第四个问题,有人在问的是那个为什么这个 mac 音跳的芯片的软件不能在 m 一芯片上安装啊和使使用啊?这个我前面也讲过了,因为 m 一芯片的话呢,是用 arm, arm arm 的架构,呃, arm 架构的话呢,是经典指令级,它不是呃硬跳的这个 c p u 架构的话呢,是用叉八六的那个架构的,呃,叉八六架构的指令级的话呢,有些时候它会呃会比较多,它不是个经典的指令级,所以的话呢,在 咪芯片上面,有可能有些他是不支持这个叉八六的指定级的,所以有些软件就不能用他,等于是因为有些软件是为了是被适配音调的芯片做了一些加速的处理,他等于是这样啊,所以这个呃这个也是比较重要的哈,就这个四个问题就跟大家讲到这啊,那么最后的话呢,我再来讲, 呃,现在比较流行的就是,呃这个,这个 september diffusion, 就是 ai 画画的这样的一个功能,怎么用这个 apple 的 m 一的这个芯片来做加速?他的意思这样啊,这个自己我也尝试过啊,效果是非常明显的。呃,我如果不是用 m 一芯片, m 二芯片的话,我自己用的, 呃, mac 的音跳芯片的话,我大概跑这个呃, defusion 模型预测一张图片产生一张图片的话呢,大概要五十分钟,但是用 m 一的话呢,它只需要大概在五分 分钟之内啊,相差十倍,哎,这个是这样的,那么首先的话呢,就是如果你要要你的这个 diffusion 模型,你要跑得快的话呢,你的 apple 就是你的苹果机器要用 m 一和 m 二的这个芯片,首先你要有,然后的话呢, mac os 的话呢,你要装十二点六以上的版本,建议的话呢,装十三点零版本啊, 然后的话呢,你的 python 的话呢,你要装 arm 六十四的这个版本啊,呃,它不是 inter 叉八六六十四,它是 arm 六十四,它等于是这样。然后的话呢,现在的话呢,你可以装那个拍 touch 一点一三啊,这是最新的啊,拍 touch 的这样一个版本啊,装完之后的话呢,你就可以用 这个 m 一的这个芯片,然后帮你的这个 diffusion 模型进行加速了啊,那么在这个加速当中的话呢,呃,有一个非常重要的,就是在这个新建这个 papline, papline 新建完了之后要 有这样的一句语句叫 papa line to n p s 啊,原来大家清楚,如果是用英伟达 g p u 加速的话,这个叫库达啊,那这个地方的话呢,叫 n p s 啊,就是把你的这个 papa line 加载到那个 n p s 里面去啊, 通过 n p s 来跑啊,它等于是这样。然后这一句也是比较重要的啊,它建议是要这个 n able 的 attention, 呃, signings, 呃,它这个,它这个的话主要是避免,就是你的内存 啊,就是你的内存,就是,呃跟你的操作系统就是这相互交,呃,做那个交换的时候,他会显著下降内,呃,显著性能下降的,他等于因因为你的 gpu 的里面呢 内存就不够了啊,他的意思,所以淘他要这个,要要要用一下这句语句啊,用完了之后的话呢,就先第一次是叫 warm up, 就是先 训练一下,先让这个机器热一下啊,跑第一次,然后跑完之后的话呢,然后你就预测一下这个 a 面积就好了啊,他等于是这样,这样的话呢就就可以了。我自己也实测了一下,他的性能确实非常快啊,比原来的话提升至少十倍,他等于是这样啊。行啊,今天的话呢,我就跟大家就介绍到这啊,就是跟大家介绍一下怎么用。嗯, 呃,苹果的 amy 芯片,然后来加速运行。呃, defusion 的模型就是现在最火的 ai 产生图片的这样的一个模型,之前我也是介绍过的,如果大家有兴趣的话可以看一下我之前的视频。好吧,行,好,今天就跟大家就聊到这。好,谢谢各位。嗯。

视频呢,我将通过实现一个简单的歌词生成 ai, 带大家快速了解深度学习的基本流程,以及拍 touch 这款必备的深度学习框架。首先我们要知道,深度学习或者说神经网络的本质其实是一个数学问题。 我们可以通过训练让一个神经网络学习输入到输出之间的数据映射关系。例如,当神经网络看到这张图片时,他应当知道输出一条狗。 在拍拓器中,构建神经网络的核心数据结构是一个叫做 tensor 的东西,它和我们之前讲到的 number 数组非常类似。不过 tensor 的运算可以被放在 gpu 上执行, 利用 gpu 的并行运算来加速整个计算过程。在吞色之上呢,我们可以构建各种复杂的数学模型,拍 torch 也同时提供了梯度的自动计算。 那为什么需要梯度这个东西呢?梯度你可以简单理解成导数在高维度上的推广。这是因为对于神经网络的训练,或者说一般的最优化问题,大家都会用到一个核心算法梯度下降, 而拍 touch 将偏导数的计算链式、法则这些细节全部都隐藏在了框架中,因此我们可以更加关注与解决实际问题,而不是这些繁琐的计算细节。除了这些基本的计算功能以外,拍 touch 对神经网络还有各种模块化的封装, 比常见的卷基层、线形层、 pulling pying, 各种激活函数、 c, n, r, n, transformer 模型等等等等。以上呢,是对拍拓去的一个非常粗略的介绍。拍拓去单装还是比较容易的,我们可以在这里选择对应的操作系统扩大版本 的康大其实不是必须的。最后复制下面的命令到控制台安装即可。 训练的第一步呢,是准备我们需要的原始数据。数据级通常很容易被我们忽视,但是深度学习中相当重要的一环。有时候即使你的模型再好,但是训练的数据很差,最后也很难得到一个好的结果。这里我使用的呢,是这个中文歌词与辽阔。 在下载的原始数据中,我们可以看到很多非中文歌曲。有些歌词中的格式不工整,有些歌词的前面包含了不需要的信息。因此我们需要对这些原始数据做一些预处理,并将数据转换成我们需要的格式。 这里呢,我写了一个很简单的脚本,过滤掉不需要的歌词,去除多余的文字,并以斜杠来分隔歌词的每一句每一行呢是一首 首歌的歌词,最后存放在一个纯文本中。接下来呢,我们可以利用拍 touch 提供的 data set 和 data loader 来读取这个歌词文件。这两个类封装了基本的数据操作,比如切分训练数据,随机打乱数据,或者对数据进行简单变换等等。 这样我们就不用自己去造轮子了。我们可以通过继承 data 类来定义我们的歌词数据集。接下来,我们可以在一列弹数中加载之前的这个歌词文件,并将所有的文字转化成一个个缩影。 这里我们定义两个 dict, 用来保存缩影到文字,以及文字到缩影的映射。接下来我们需要实现两个函数,第一个函数 lens。 我们需要返回样本的总数。这里我们将所有的歌词文本拆分成一个个长度为四十八的序列, 所以样本总数等于文字的总数除以序列长度四十八,这里为什么减一?我们马上讲到第二个函数 get them, 我们可以根据指定的下标返回对应的文字序列。 这里返回的数据呢,可以被分成两部分,一部分代表网络的输入,另部分代表网络的输出。输入和输出刚好相差一个字,因为输出的文字刚好是对下一个字的预测。 定完毕之后,我们对刚刚代码进行一下简单测试。这里我们可以创建一个数据级对象,然后根据下标随便获取其中的一个样本。 可以看到这里返回的一个整数序列长度为四十八,其中的每个数字代表一个文字的缩影。我们当然也可以根据之前创建的映射将他们再还原成一个个字符。这部检查 打灯确实很有必要的,不然一步错,步步错。在定义了 data set 之后呢,我们需要再创建一个 data loader 来访问其中的数据,主要是因为 data loader 允许我们随机打乱数据或者按批次读取数据。 但这里我还进一步将数据分成了两部分,一部分用来做训练,另一部分用来做测试。原因我们在之后训练的时候讲到。 接下来呢,我们来定义我们用到的这个神经网络结构。在拍拖器中,我们可以通过继承 n n 中的猫九雷来定一个神经网络。这里最关键的是这个 forward 弹数, 他定义了我们网络从输入到输出的整个计算过程,比如数据会经过哪些层,层与层之间有应当如何连接等等。大家在定义模型的时候有一点非常 重要,不管我们要解决的问题有多么复杂,最好都先从构建一个最基本的模型开始,这样会大大降低训练和调试的难度。并且我们在增加模型复杂度之后,可以以这个最简单的模型做参照,确保复杂的模型是否真的表现的更好。 其实对于文本生成问题,使用当下最流行的 transformer 架构应该是更好的选择。不过这里呢,我们先用一个更加简单基本的 rnn 模型来做演示。 首先,我们会将这里输入的文字经过一个 embedding 层转换成一个像量,因为高维的像量能够更好地表示不同文字间的语意关联。接着我们将这个像量传入一个 l、 s, t、 m 单元, 最后通过一个线性层转换成输出的文字。和所有的分类问题一样,这里的文字是使用弯号的像量来 编码的。另外, lstm 单元同时有个隐藏状态的输入和一个隐藏状态的输出。正是因为有这个隐藏状态,才使得我们的神经网络具有记忆的能力,因为我们不希望深沉的歌词前言不搭后语,我们需要让魔性记住文字前后的关系。 如果大家对这里的 inbeding 或者 lstm 不是那么熟悉,也没有关系,大家可以先将重心放在数据的流向输入还有输出上。 比如这里你输入一个字,网络会帮你预测下一个字,然后我们将输出的文字连带隐藏的状态再次传递给神经网络,这样循环往复下去,就得到一整串的句子。 接下来我们来讲一下模型的训练。在训练的过程中,我们会每次抽取数据的一小部分,我们称之为一个 batch, 然后我们会一个 batch 接着一个 batch 的训练。当所有的数据都被训练过一遍之后,我们称之为一个 epoch。 通常我们也会对模型训练若干个 epoch, 让他更好地去拟合训练数据, 我们可以在循环中实现整个训练的过程。对于每一个 app, 我们会一个 batch 接着一个 batch 的训练。这里这项代码呢,单纯代表将训练数据上传至 gpu, 这一步呢是必要的, 因为我们使用 gpu 来加速训练的过程。接下来我们将数据传入之前创建的模型,让模型预测一个输出, 然后我们会去计算这个输出与标准答案之间的差异。这里我们会用到经常听到的损失函数 last function。 但对于不同的问题,我们会用到不同的损失函数。比如对于纯数 数值类型的输出,像温度,房价,这个 los 可以简单是输出与标准答案的绝对值或者是平方差。而对于我们这种情况,由于我们输出的是弯号编码的文字,因此我们会用到交叉箱 cross entry。 但大家可以简单的将这个 los 理解为输出与标准答案之间的差异。通常我们希望这个 los 越小越好,这样代表预测的结果与标准答案更接近。 而我们训练神经网络的目标呢,就是通过缓慢调节网络中的各种权重来降低这个 los。 用到的算法就是我们之前讲到的梯度下降。关于梯度的计算,我们可以轻松的通过调用一句 backward 完成。 然后我们可以调用 optimizer 的 step 函数,通过计算得到的梯度自动修改网络的权重。 这里第一行的 zero grad 也非常重要,他会在计算之前先将梯度清零,避免我们得到一个累加的梯度值。刚刚我们提到的 optimizer 是优化器,它可以通过计算得到的梯度自动更新网络的权重。 adam 和 sgd 是两个非常常用的优化器, 可以看到这里我使用的呢是 adam。 另外优化器还有一个额外的参数,学习速率,他会影响每次权重变化的大小。学习率越大,神经网络权重的变化量就越大。 但学习率绝不是越大越好,过大的学习率会让 los 无法收敛,甚至可能出现随着训练还增大的情况。学习率设置的过小会降低训练的速度,甚至可能让你的神经网络学不到任何东西。当然也有人尝试使用动态的学习率, 比如随着训练的推进逐渐降低学习率。关于学习率和优化器的选择又是一个很宽泛的话题,这里我们就不讲该讨论了。另外,在训练的过程中,我们可以将 los 打印出来,以方便我们跟踪模型的训练进度。 这里我们还可以用到 tensor board 这个库,我们可以调用 at scaler 来绘制像 loss 精确度这样标量的数据。虽然这一步不是必须的,但是图表呈现的信息往往比数字要直观很多。 除了训练之外呢,通常我们还会加入一个模型评估的环节。还记得我们在视频的开头将数据分成了训练和测试两部分吗?通常我们会预留少量的数据做评估,这部分数据并不会拿来做训练。评估的代码和训练非常类似,除了我们不会计算梯度来 更新网络的权重,我们同样会输出一个 los, 然后观察这个 los 下降的情况。因为单纯训练 los 的降低并不能代表模型表现的很好,模型也有可能过度拟合了我们的训练数据。 也就是说,我们的模型对于训练数据表现的很好,但是对于从来没有见过的数据却表现的很差。为了避免这种情况呢,我们会同时关注训练和评估时候的老师以及精确度这些指标。 在真正训练之前,我们最好对之前的代码做一个最最基本的验证。因为训练一个模型通常会花很多时间,有时候一两天都有可能。 如果等你训练完了以后才发现模型根本不工作,那么尼玛当场去世。那么具体我们应该怎么验证呢?比如我们可以修改这里的 data loader, 让我们暂时只使用第一个 batch 的数据,而且我们只用 batch 中的前两个样本来做训练。如果在这种情况下, lost 都不会降低。也就是说我们的模型都不能过度拟合,那我们的代码肯定哪里有问题,需要进行调试。 可以看到这里在训练了几十个 app 之后, los 一直在持续下降,并且预测的精确度呢,也达到了百分之百。到这一步呢,至少可以说我们的代码没有出现明显的错误。 接下来我们可以开始真正的训练。在训练的过程中,我们还可以每间隔一段时间让目前的模型生成一段输出。 这里的 january 弹数我们马上讲到,它会让模型生成一段歌词,并且每一句以深度学习。开始这一步主要是为了实时观测模型的预测结果。可以看到从一开 是几乎不能预测任何内容,到后面生成相对完整的句子。我们模型的输出随着训练有显著的提升。 这里我还做了一些改进,比如我们使用两层的 lstm 单元,并在输出之前额外增加了个线性层。与之前的模型相比较,新的模型进一步降低了 last, 并提高了预测的准确度。 虽然不是每一个修改都能保证模型效果的提升,不过模型优化确实需要我们不断的进行尝试。通常我们在 los 不再降低的时候就可以停止训练了。我这里手动将 apple 设置成了十五个。最后,等模型训练完成之后,我们让他来进行一段作词。 无法忘记你的美,可以让你不再流泪,深深的爱上你度过了多少个 春秋,学会珍惜,习惯了你的温柔,我的心在等待着你回来,是否我已经不再啰嗦,不再来私底里的等待。不错, 一个人的时候,键盘敲着时间的钟,三十年的时光连着我和你。 嗯,不错,狗屁不通。这里生成歌词的间内位弹数稍微有一点点长,不过总体来说,他会将我们规定的首字符先传递给神经网络,然后让神经网络自由创作,直到这一句结束,也就是遇到了斜杠分割符为止, 这里的 next word 函数会将当前字符传入神经网络,然后返回预测的下一个字,中间也会维护一个隐藏状态黑灯。这里的这几句呢,其实只是在对数据格式做变换而已。

百度一下拍 touch, 登录其官网,点击进入安装界面,发现拍 touch 二点零已经正式作为稳定版本的深度学习框架了。以 windows 操作系统为例,安装方式选择 p 语言,选择拍档 复制官方提供的安装命令行,可能安装会出现超时复制。该链接。我们进入其 http 链接进行下载。点击 torch 可以看到拍 torch 二点零 cpu 的版本,往下滚动找到 gpu 的版本。 可以看到目前拍 touch 二点零支支持拍葬三点八版本及以上。选择你喜欢的拍葬和 cool 版本,以及操作系统下载对应的 vivo 文件即可。这里我已经提前下载好。打开你的 ide 环境,使用 code create n 拍 touch 二点零拍葬等于三点八。重新创建坑道环境。一路点击 one 创建好坑道环境后,使用坑的 activ 拍 touch 二点零命令进行激活。在进入到刚刚下载好的拍 touch real 文件的目录下,我放到了 app 盘下, 使用 keep install 加上当前目录下 vivo 文件名进行安装拍 touch 二点零即可。安装完成后,可以打开拍档环境,输入熟悉的 input touch, 输入 touch 下划线下划线 version 下划线下划线,可以查看安装的版本。 输入 touchpood is 下划线 available 命令,返回处表示 g p u 版本的拍 touch 二点零安装成功之后,可以愉快的探索深度学习了。这里是橘猫 ai lay 普及人工 智能知识,加速 ai 落地应用。欢迎关注我的频道,记得关注再走哦!

各位靓仔靓女们,大家早上好!中午好,晚上好,夜宵好,我是胖头鱼。 p y touch 这个是不是这样读啊?业内的网友欢迎指正一下 这个顾客发现他的电脑装不上这个 vito 池啊,后面他发现他的那个账户名是中文的,然后咱们已经帮他把中文的账户名改成了 ljc 啊,就是不带中文,不带特殊符号的,然后现在再按照网上的教程装一次, 装完之后再跟着网上的教程验证一下,音破一下,导入一下这个 touch 这个模块啊, 然后输出一个版本号,版本号是二点零点一的,成功输出这个版本号就表示已经安装成功了,有需求的网友可以到我们店铺下单,我们远程过去帮你处理啊。这个视频就先到这里,我们下个视频再见。拜拜。

ok, 大家可以看到最近这个 i 绘图比较多人用,那么我们很多朋友他装不上去,装不上去是什么问题呢?是因为他这个显卡呀,他在 c、 m、 d 这里识别的时候识别不到他的显卡,我们看一下, 那么识别不到显卡的时候,我们怎么办呢?其实很简单,我们打开我们的电脑来打开我们的电脑,我们去到 c 盘 c 版,去到我们这个这个文件夹,然后有一个是关于我们显卡的文件夹,这一个 打开它,打开它,它这里有这个文件夹,我们继续打开好了,就这个文件夹说明我们这个文件是有的,说明我们电脑是有,我们这个时候要复制它,复制它下来,复制它 下来之后呢,回到我们这个电脑这里,我们右键点属性,点完属性之后有一个高级系统设置, 高级系统设置这里有个环境变量,环境变量看一下,然后在下面这个系统变量这里选择 p、 a、 t、 h 这一个选择编辑,然后把新建一个,把刚刚复制的那个文件复制过来,然后点确定, 继续确定这里还是确定,那么这个时候我们再去这里,再去这里测一下,他就有了,我现在测一下给大家看啊, 我们要关掉这个重新来一遍。 ok, 可以看到了, 就是这么简单啊,朋友们,如果你们查不到自己的显卡是什么型号的话,可以点这个位置去把它填上去就可以查了。好了,我们这个视频分享到这里。

嘟嘟嘟嘟,哎,开始了,哎,大家好,我是宗明, 刚才十一点半才开完会,然后刚洗完澡啊,现在已经十二点半了,晚上啊,那今天呢,我们来开始一个新的内容,就是 aip 一期里面的拍套区。大家都知道拍套最近呢发布了一个最新的版本二点零啊,他长线呢还没有发布啊,那现在呢,我们来看看拍套区二点零有哪些新的内容。 可以看到拍套小二点零呢,其实他引用了一个最大的概念,就是编译,这就完全符合我们最近聊到的 aiba 系这个系列。所以呢,我把拍套小二点零这个新的话题呢往前提, 我们看一下这个汇报里面呢,我给大家分开了四个内容,那第一个呢就是拍套是二点零的新特性,我们首先来看看拍套是二点零呢有哪些新特性,然后对他进行安 装,然后去使用一下。接着呢,我们一起来解读一下拍套曲的一些新的特性,例如 touch dynamic, 还有 aot autograde, 最后一个就是 touch inductor 三个最重要的特性,我们将会后面的内容去展开。今天我们先围绕我们的拍套曲二点零新特性一起去看看。 首先我们打开拍特使的官网,然后去到 gas star, 点击拍到十二点零,下面呢这些就是拍到十二点零最新的特性介绍,我们挑到 install, 然后去看看怎么安装。现在呢,我们把这条命令复制粘贴 到我们的特密笼里面 粘贴,然后淘气二点零居然已经开始安装了, 看到拍他是二零,虽然是拍他是二零,但是呢,现在长线版的爱特里版呢,还是一点一四来给大家提供的,哎,居然错误哦,没有权限,没有权限,那我加个速度提升一下权限吧。 安装完了,现在我们从上面到下面足够的简单的浏览一下,拍一套小二点零, 可以看到拍照二选零呢,主要推出四个重要的特性,其中 touch compile 里面这个基础站呢,就包含了四个最重要的特性, touch, denome, autogree, 还有 touch inductor 这个图呢,我们等一下,后面会详细的去展开解读,那这个就是版本 christmas, 哎,有点意思啊,这个平衡杆,哎,我们看看,哎,这个就拍上去的变异的流程,哎,先不管,我们后面详细展开, 有四个重要的特性, ao, 调头鬼, touch inductor, premit touch, 哎,下面这个图,哦哦,下面这个图帅,下面这个图帅气。 把所有的扇子都做了一个规约分类,嗯,不错,变成了两百五十多个扇子,然后收编到 at 里面七百多个,呜,对于三方芯面厂上来说,这个特性有点吸引。现在呢,我们打开 lowbook 来去尝鲜一下这些新的特性, 现在来真正的入代码了,首先 in part time import touch import touch, 点 dialamics dialomic, 这个就是新的特性, in pop touch region 点 models 用于我们后面直接把魔性加载进来用嘛, drink touch 刚刚获选,我们看看是用哪个版本,一点意思刚好是我们想要的。来 define, 建议一个简单的函数 返回 a 加上 b。 那现在呢,我们做一个简单的测试实验。 首先呢定一个 complete model, 等于 touch can pay for, 这个呢就是使用拍的最新的编译功能里面呢,隐藏了一个编译器,然后呢,输出等于 compat model, 然后把两个输入参数输进去, 然后算一下输出的时间,接着呢,打印出来 and 点 and 减去大可以看到,哎, 跑这么简单一个程序居然耗了我一点五九秒,哎,有点长,有点长。接下来我们做另外一个实验去看看。 现在呢,假设我们使用 dialomate 这个功能去做一个优化,然后呢,里面的后端使用 inductor, inductor 呢,在 cpu 上面呢,使用是 open mp 去编一点零点零二秒,哎,有点快耶,使用了达罗敏,然后指定的后端之后,他变快了好多。我们再试一个实验,假设我啥都不用,直接用以前的动态图或者一狗的模式, 直接使用拍照取原声的动态图或者异狗模式更快呀,直接用了零点零零零六毫秒,哎,那我为啥要编一层呢?我为啥要编一期呢?编一期有啥用啊?编一期不是说快了吗?为啥编一期会慢的呢?哎,不着急,我们后面会讲到, 你现在呢,定义一个 alex nat 还是定一个 alex snap, 然后呢,定义我们的优化器 现在坑拍末,然后对我们的 models 进行一个编译,下面这个就是我们真正的去执行一下我们这个网络模型,随机产生一个数据,然后呢定一个反向, 这个正反向,他推理发现,哎,用了两点七九毫秒,哎, 使用了拍摄视频仪器之后呢,用了两点七九毫秒,哎,假设我现在不用呢, 不用,我看看时间,哇,不用,时间只有一点零二七毫秒。 就是我,我为啥还要用编辑器啊,这样慢的那么多,这不原声挺好的。不,我在想往下看,这多做几个实验嘛。现在呢,我们刚才只是跑一个正向,跑一个反向,假设我现在多做几轮 apple 模拟我们在真实对网络模型进行训练的一个场景, 然后呢用 come, 然后去把每一轮迭代的时间算进来。那现在这个呢,就是使用动态图或者 e 狗模式的,我们看看总的耗时,或者每一次的耗时有多少 finish training, 接着,嗯,每一秒跑一次,哎,挺快的哈,跑个爱丽丝呢,还是挺 快的,然后平均时间是一点零六九毫秒,哎,没有跑编译的时候呢,是这个,那我们盘跑编译的方式来坑拍 model, 然后看一下他的时间, 哟,好像比上面快,那我们看一下快多少哎,一点零二四,明显比刚才一点零六九 快了那么零点零四毫秒。哦,这有点意思,在单一次执行的时候呢,我有变异的开销,所以单一次执行的时候会慢一点, 但是呢,他抵不过我做一个训练的时候,我是多伦迭代的,其实我图已经编译好了,我下一次直接把静态的图拿出来去执行,所以就快了很多。那这只是用一个最简单的 alex ne 在我们的 cpu 苹果上面去跑, 假设我在 gpu 上面跑,会不会快很多啊?刚才我们简单的去浏览了一次新的特性,就把刚才那个网页看了一遍,然后呢又装了一遍,然后把新特性也用了一遍,现在呢,我们去看看他的一些 特性啊,最后呢,再做一个启发性的思考啊。那首先呢,我们回顾一下未来的版本呢,他说在二点零的时候呢,会支持 touchcountam with ddp 和 fsdp, 就是我有了静态图之后就更好的去做分布式了,然后大部分的模型有百分之三十的提升。怪不得刚才说性能确实是好了,只是我们在一毫秒里面就快了那么一点点,你感觉不出来,那二点 s 里面呢,就会有更 stable 的版本去推出 后面的版本。我们先不管,我们先看近的,在之前呢,我们认为拍照他是没有编译器的,因为他大部分的时候你都用不到,因为现在呢,拍的是奥迪灵芝和明确的 支持 touchdownmi 加 aot autograde, 那 aot 就是 ahead of time 那一种编译的方式,那在底层呢,走的是 aton 还有 premitteriiiii, 最后呢就给 touch inductor 然后去执行的。那 touch inductor 呢,就是由 chitan 那去提供的 哦,我们现在来看看他的模型泛化性,这里面呢用了 tim, touchpan 还有横根 face 这三个套件去测,那基本上呢,大部分模型都有非常大的性能提升,我们看看用了多少模型, 四十六个加六十一个,再加五十六克五五,一共有一百五十多个模型有性能的提升,确实他做了很多的翻换性测试,看起来还是很不错的。 那这第一个重要的特性呢,就是他是呆,那么呆,那么就是发电机的意思啊,主要是从拍套去以前的静态图,然后获取了一个图的概念,然后 进行一个执行的。这里面说了很多啊,主要是在百分之九十九的时间,他都是能工作的,就是工作的非常好,在保持应用性的同时呢,还提升了非常稳健的性能。提升 这个特性呢,也是二点零里面主打最重要的一个特性,所以放在第一 denomo, 那第二个呢,就是 aot, ahead of time, otto 贵,刚才断续 denomo 呢,只是一个编译层啊,但是实际上呢, otto 柜就是反向自动求打造车,怎么做呢? 他使用了一个额海岛泰的一个对图的编译的方式,里面就通过 touch dispatch 去做一个分配和追踪的,这个特性也是非常有意思,我们会在后面去详细展开他的算法原理。 那第三个就是 touch inductor, 最重要的一个特点就是第三百问的,哎呀,提出了一个第三百问,哎呀,然后可以很快 做一个 cost 俊里面呢,主要是用了 oppona 提供的 chita 去生成 gpu 的一些代码,在 cpu 上面呢,用了 openanp 去生成代码,那下面我们再看看有没有最后的一个特性,哎,最后一个特性是 stable primitive operator。 其实在派套群里面呢,有一千两百多个算子,还有两千多个 api 接口啊,对我们生产厂商来说,要对接派套群里面确实是很痛苦的。而这里面呢, primes, ops 呢,提供了二百五十个 最基础的或者最核心算子,然后再往外层呢, atonops 呢,就提供了七百五十多个算子,这个特性呢,对于我们声讨来说可能是最重要的。到了最后一个环节就是启发和思考,嗯,第一点就是拍照是二点零啊,最大的改进,或者最 stand 呢一个呢,就是引入了一个图编译的模式,就 touch 坑拍了,他拍 touch 呢,正在走 one foot 呢, macebook 了,还有他是说 fool 的路就是走他的编译的模式,拍出去走着走着会不会让别人无路可走呢?这是我最大的一个启发。第二点呢,就是 touch in darker 引入了趣态 去支持用拍伞去写哭打的代码,这个特性到底好还是坏呢?我觉得是由开发者去验证的。 第三点就是 print tosh 呢,把两千多个蒜子用两百五十个蒜子进行收编呢,对于像华为升腾这样的场上来说呢, 对接肯定是更加方便的,我们可以拒绝到两百五十个基础算子,如果想要提升性能的话,那很简单嘛,我们去对接 at 里面的一些算子,做一些融合优化。另外还有几点呢,就是拍出去 二点零的官方了,就反复的去强调了,我引用了涂模式之后,肯定完全向后兼容的哦,探测负二点零,这个时候呢,就跳出来说,哎,我可没惹到你啊,你别乱说, 类似于 master 或者其他的 ai 框架来说呢,互相的兼容或者 api 的兼容啊,其实是很重要的,而且 api 在设计之处呢,就应该考虑很多问题。 第五点呢,就是拍套去加入 lineuse 基金会之后呢,更加拥抱开源了,从引入 opai 的 chitan 互相兼容 api 新的特性,充分考虑模型的放话性,还有梭边算子,它越来越开源呢,就引出了第六个问题,我们还有必要开发自己的 aa 框架吗? 这个呢,就是对于我们的思考和启发,也希望引起大家的一个更广泛的讨论。好了,谢谢各位。卷的不行了,卷的不行了,记得一键三零加关注哦,所有的内容都会开源,在下面这条链接里面摆了个摆。

手把手教你 ulov 八推理检测。哈喽,各位小伙伴,上一期我们已经单独安装了,拍照时,接下来我们第二步就是下载 ulov 八原码,这里我已经下载好了,到时候你们再 get up 搜索 ulov 八就行了。 第三步直接安装,要了一百了,依赖要了一百了,依赖在这个类似快这个文件他里面已经写好了,这是官网给出的文,安装里面的拍摄依赖就行了。我们直接进入这个目录进行安装, cnd 打开中断 又激活你的虚拟环境。 c o n d a 一起一起一起优龙 v 八,因为优龙 v 八我之前已经创建过了, 数错了, c one d a a c a c t i v a t activity you will be by 幺六成功就进入了幺六一八的虚拟环境。接下来我们安装那个文件, k p install 二二 a q, 这里等待下载就行了,官网这个文件也给出了安装命令,就是这个, 我们这里等待安装就行了,没什么难度。 好的,这里已经安装成功了。接下来我们用 p y 串打开幺六一八的项目,鼠标右击,这里有个用 p y 串打开这个项目, 第一次打开的话,他这个解析器还没有设置,我们需要设置一下解析器, 这里剪辑器设置, 弹出这个窗口,我们添加解析器设置。之前的视频讲解过了,这里就不详细讲解了。 好的,解析器加载完成了,接下来我们进行用 v 八推理 点开 ulov 八的项目,我们看到有一个文件夹叫 out, 这个点开,然后看到 ulo 要要看到一个 v 八点开,然后他这里有很多,比如说分类啊,目标检测还有分割的,我们主要讲解目标检测,点开这个里,点开这里, 然后这里有训练验证预测的代码,我们首先打开 预测的代码,首先需要改的地方就是这里的,这里就是你那个官网的模型,其中官网的模型我已经下载好了,如果你们需要的话,我我也可以发给你们,如果第一次运行的话,他会自动下载的,我已经运行过了, 然后有了一般的配置文件。在哪里呢?在这个 fig 这里, before 这里, before 点样这里。然后模型的话需要复制这个路径就行了。右击复制它的路径一,一定要复制它的角度路路径,然后把这里复制过来。 ctrl v, 还有一个你要检测的照片,检测的照片用官网的照片,官网的照片在 在这里,这里就是他的官网照片,我们选用这张照片进行推理,也是复制他的绝对路径。复制,然后在配置文件这里粘贴就行了。然后我们直接右击 一运行这个 play 的 play days, 嗯,差点找不到这里路径错了, 你看这里多了一个一删掉,你们复制的时候一定要小心一点, 你看他的预测结果,保持在这个目录下面,我们打开看,在这里 v 八这里,你看他已经检测出来了,我们在 在测试这张卡,复制这张的路径到配置文件这里,这个传送 sos 这里跟 ulov 五的差不多,直接运行 他的结果保存在这里,我们 来看一下结果,你看这里已经预测出来了。好的,这期视频讲到这里,如果配置有问题的话,评论区留言,谢谢,喜欢的帮我点个小爱心,谢谢!