PyTorch in Azure

Einfache und nahtlose PyTorch-Einbindung in der Cloud

PyTorch ist ein Open-Source-Framework für Deep Learning mit allem, was Sie von der Forschung bis zur Produktion benötigen. Als primär auf Python ausgerichtetes Framework erlaubt PyTorch einen schnellen Einstieg mit minimalem Lernaufwand und mit Ihren bevorzugten Python-Bibliotheken.

Azure unterstützt PyTorch für eine Vielzahl von KI-Plattformdiensten. Unabhängig davon, ob Sie Ihre ersten Schritte mit PyTorch machen, ein Modell trainieren oder Modelle in der Produktion bereitstellen: Azure hilft Ihnen dabei, Ihr Projekt noch schneller in Ihrer eigenen Entwicklungsumgebung umzusetzen.

Drei Wege für den Einsatz von Azure für die PyTorch-Entwicklung

Starten eigener Projekte mit Azure Notebooks

Steigen Sie noch schneller mit einer kostenlosen webbasierten Jupyter Notebook-Plattform ein, auf der PyTorch bereits vorinstalliert ist. Beginnen Sie direkt mithilfe unserer Bibliothek offizieller PyTorch-Tutorials, die Sie ganz einfach in Ihrer eigenen Bibliothek klonen können, mit Ihren Experimenten.

Erste Schritte

Entwickeln mit vorkonfigurierten Data Science Virtual Machine-VMs

Beginnen Sie mithilfe benutzerdefinierter virtueller Windows- oder Linux-Computer, die speziell für Workloads zum maschinellen Lernen konfiguriert wurden, direkt mit der Entwicklung. Auf Data Science Virtual Machine-VMs ist PyTorch mit allen erforderlichen GPU-Treibern und einer umfassenden Suite anderer beliebter Data Science-Tools bereits vorinstalliert. Sie erhalten ohne zusätzlichen Aufwand eine umfangreiche Entwicklungsumgebung und haben die Möglichkeit, sämtliche Azure-Hardwarekonfigurationen – von GPUs bis FPGAs – zu integrieren.

Weitere Informationen

Workflows mit Azure Machine Learning beschleunigen

Mit dem Python-SDK von Azure Machine Learning können Sie PyTorch-Modelle ganz einfach mit Ihrer bevorzugten Python-Umgebung wie z. B. Jupyter Notebook, Azure Notebooks oder Visual Studio Code trainieren und bereitstellen. Azure Machine Learning reduziert nicht nur den Aufwand bei End-to-End-Workflows für Machine Learning, sondern kümmert sich auch um Verwaltungsaufgaben wie die Datenaufbereitung und die Nachverfolgung von Experimenten. Damit verkürzt sich die Zeit bis zur Einführung in die Produktion von Wochen auf Stunden.

Weitere Informationen

Gründe für PyTorch

Python-zentriert

PyTorch ist umfassend mit Python integriert, sodass Sie Ihre bevorzugten Python-Bibliotheken, -Pakete und -Debugger verwenden können. So können Sie schnell erste Prototypen erstellen und PyTorch-Modelle entwickeln.

Hybrid-Front-End

Genießen Sie Benutzerfreundlichkeit und Flexibilität bei der Entwicklung und gleichzeitig die Geschwindigkeit, Optimierung und Funktionalität in C++-Laufzeitumgebungen.

Native ONNX-Unterstützung

PyTorch unterstützt nativ das Exportieren von Modellen ONNX-Standardformat (Open Neural Network Exchange). Dies ermöglicht Interoperabilität mit ONNX-kompatiblen Frameworks und die Weiterverarbeitung auf anderen Hardwareplattformen und in Runtimes, einschließlich der Open-Source-ONNX-Runtime.

Aktive Community

Mit PyTorch werden Sie Teil einer extrem hilfsbereiten Community von Forschern und Technikern, die umfangreiche Bibliotheken und Tools für Bereiche wie maschinelles Sehen, Verarbeitung natürlicher Sprache und vertiefendes Lernen entwickeln. Dieses Netzwerk kann zu einer wertvollen Ressource für technische Weiterbildung und Anleitungen werden.

Verwandte Produkte und Dienste

Azure Machine Learning

Beschleunigen Sie die Erstellung von Modellen, und bringen Sie sie in jeder Größenordnung von der Cloud bis zum Edge zum Einsatz.

Virtuelle Data Science-Computer

Direkter Einstieg in die Entwicklung mithilfe eines benutzerdefinierten virtuellen Computers – vorkonfiguriert für Workloads zum maschinellen Lernen

Azure-Notebooks

Schnellerer Einstieg mit einer kostenlosen webbasierten Jupyter Notebook-Plattform

Beschleunigen von PyTorch-Projekten in der Cloud mit Azure