PyTorch es una librería open source basada en Python, enfocada a la realización de cálculos numéricos mediante programación de tensores, lo que facilita su aplicación al desarrollo de aplicaciones de aprendizaje profundo. La sencillez de su interfaz, y su capacidad para ejecutarse en GPUs (lo que acelera el entrenamiento de los modelos), lo convierten en la opción más asequible para crear redes neuronales artificiales.
Estas redes neuronales se han convertido, quizá, en la rama más prometedora de la inteligencia artificial, siendo la base de otras tecnologías como los sistemas de traducción automática, de reconocimiento de imágenes, facial, de voz...
Originalmente desarrollado por FAER (siglas de Facebook AI Research), PyTorch ha sido a su vez una pieza fundamental en el desarrollo de relevantes aplicaciones de inteligencia artificial, como el Autopilot de Tesla y el Pyro de Uber.
Con el tiempo, y gracias a una facilidad de uso no reñida con su uso en el ámbito industrial, PyTorch se ha convertido en uno de los frameworks de Deep Learning más populares del mundo, al que sólo hacen sombra Tensorflow y Keras, ambos respaldados por el patrocinio de Google.
Instalación de PyTorch
Si quieres ponerte ya mismo a trabajar con PyTorch, el primer paso es instalarlo en tu equipo. Para ello deberás contar con un entorno Conda o con el gestor de paquetes Pip ya instalados. Luego deberás acceder a la web de PyTorch, y en la sección "Quickstart Locally" hacer uso del selector de opciones que se nos ofrece, que nos proporcionará la secuencia de comandos precisa para instalar PyTorch en nuestro PC.
Así, en el ejemplo de la imagen, vemos que hemos seleccionado la versión estable de PyTorch para Windows, para su uso con Python en un entorno Conda y con la versión 10.2 de CUDA, y que la secuencia de instalación en ese caso es la siguiente:
"conda install pytorch torchvision cudatoolkit=10.2 -c pytorch"
Una vez completada la instalación sólo deberemos iniciar nuestro intérprete Python y teclear las siguientes opciones para comprobar que todo se ha instalado correctamente (para lo cual, no deberemos recibir ningún mensaje de error):
">>> import torch"
">>> import torchvision"
Recursos formativos para PyTorch
Pero, una vez instalado, ¿cómo empezar a aprender a usar PyTorch? Estamos de suerte, porque Internet ofrece un buen puñado de recursos formativos gratuitos muy útiles. La primera opción, por supuesto, es la propia web de PyTorch: desde la habitual guía de referencia de la API, hasta un útil videotutorial de 60 minutos explícitamente enfocado a los debutantes en el uso de esta herramienta.
Por su puesto, ambos recursos (como le ocurre también a los tutoriales y a las recetas de ejemplos de código) los encontraremos únicamente en inglés (como también está en inglés el manual "Deep Learning with PyTorch" que la web oficial ofrece 'por tiempo limitado').
Por otra parte, si lo que buscas son videotutoriales en español, el canal de YouTube Not CSV tiene disponible una interesante introducción a PyTorch (dividida en dos vídeos de una hora cada uno).
Fuera de la web de PyTorch, podremos encontrar otros recursos muy útiles, como el curso "Intro to Deep Learning with PyTorch", ofrecido por Facebook Artificial Intelligence a través de Udacity: gratuito, de nivel 'intermedio' y pensado para ser cursado en dos meses; o "PyTorch Basics for Machine Learning" y "Deep Learning with Python and PyTorch", dos cursos consecutivos ofrecidos por IBM en la plataforma edX, también gratuitos y pensado para una duración de 5-6 semanas.
Pero si hay que destacar un recurso formativo gratuito en materia de deep learning, ése debe ser la plataforma de cursos Fast.AI, que ofrece un total de cinco cursos todos ellos basados en el uso de PyTorch.
Usa su propia librería, por lo que no aprenderemos 'PyTorch puro', pero muchos alumnos valoran positivamente su enfoque, centrado en empezar a hacer 'cosas emocionantes' con PyTorch casi desde el primer momento, al contrario que las alternativas de Facebook e IBM que optan por sentar primero las bases teóricas y no aplicarlas a la práctica hasta el final de la formación.
Ver 2 comentarios