pytorch

• facebook'un 2017 ocak ayında duyurduğu derin öğrenme kütüphanesidir.
  
  edit: bir python paketi olduğunu belirtmeye gerek var mıdır?
• deep learning kütüphanelerinin en samimisidir. adam paszke, sam gross and soumith chintala tarafından sürdürülmektedir^*. tensorflow gibi bir pr balonu değildir. en üst seviye fonksiyonundan en alt seviye gpu koduna kadar her şey çok şeffaf ve anlaşılabilirdir. daha hızlı da demiş miydik?
  
  define and run olarak tabir edilen statik hesaplama grafikleri yerine define by run denilen çalıştıkça tanımlanan hesaplama grafikleri üretir.
  
  bu tarz çalışan diğer kütüphaneler chainer ve koç üniversitesinde deniz yüret tarafından julia dilinde yazılan medarı iftiharımız knet.jl olarak sayılabilir. aslında o daha fantastik bir projedir ama kahrolsun bağzı şeyler işte.
• tensorflow'daki 4 sayfalik traceback verme olayini cozmus machine learning framework'u. tensorflow'da grafikler o anda yaratilip asil cekirdege paslandigindan hata olan yeri gostermek icin de, gosterilen hatayi anlamak icin de ciddi ciddi o traceback'i okumak gerekiyordu. %25 ihtimalle de hicbir sey anlasilmiyordu ve butun kodu bastan kontrol etmek gerekiyordu. ki normalde o hata mesajinin anlamli kismi 4-5 satir olur, sadece satir numarasina bakilir ve "he okey hata buradaymis" denip duzeltilir. normal python rutini budur.
  
  ayrica dinamik akis^* kullandigi icin training veya testing sirasinda bir seylerle o anda oynamak mumkun. mesela; degisken boyutta veri almasi gereken neural net'ler. lstm'ler olabilir, rnn'ler olabilir. tensorflow ve theano'nun kullandigi akis grafikleri^* o anda uretilip statik olarak kullaniliyor. bunlara veriyi yedirmek icin de ona uygun tensor'lar olusturmak gerekiyor. pytorch, digerlerine gore daha pythonic bir cozum sunuyor.
  
  ogrenmek tensorflow'a gore daha kolay, kullanirken hata ayiklamak daha kolay.
  
  simdilik biraz kaynak sikintisi var. ama ben dokumantasyonu okurum oradan ogrenirim diyenler acip bakabilirler. matematiksel notasyona asina olanlar kodu daha rahat yazip daha rahat okuyabilirler.
• tensorflowdan sonra ilaç gibi gelmiş kütüphanedir. her ne kadar tensorflow dynamic graph özellikleri, pytorch da static graph özellikleri ekleyerek birbirlerine yaklaşsalar da tercihim yine de pytorch'dan yana olacaktır. zira gerek anlaşılabilir hata mesajlarıyla, gerek yazması ve okuması kolay syntax'ıyla, gerek dökümantasyonuyla tensorflow'dan bir adım öndedir.
• 1.0 versiyonu facebook tarafından bugün duyurulan deep learning platformu. bulut sistemleri ile olan entegrasyonu ve son ürün^* kullanımınındaki yetenekleri ile tanıtılıyor.
• keras mı pytorch mu daha efektif bilemediğimdi.
• (bkz: pytext)
• son zamanlara kadar sadece arastirma cevrelerince kullanilan, son donemde yapilan system-oriented optimizasyonlariyla product deployment icin de populerlik kazanan, yepyeni tertemiz cillop gibi bir framework. faır'i ve facebook'u google ile yarista one gecirecek calisma.
  
  (bkz: fair) (bkz: facebook ai research)(bkz: soumith chintala)
• tensorflow'a kiyasla cok daha az insan kullaniyo ve internette daha az kaynagi var. fakat arastirmacilar genelde bunu tercih ediyolar cunku daha "pythonic"
• facebook 1.3 sürümünü yayınladı. yeni geliştirilen en önemli alanlardan biri mobil cihazlar üzerinde machine learning'i daha verimli kılmak için ios ve android üzerinde mobile device deployment diğeri ise model quantization imiş.
  bununla beraber facebook, google ve salesforce ile cloud tensor processing units'e destek vermek için anlaşma yaptı.
  böylelikle büyük ölçekli deep neural networks'ler daha hızlı eğitilebilecek.