This is the Trace Id: 8be0b4bf5a22ca6c5e3a2ca9b7ae5cda
Overslaan naar hoofdinhoud Verkennen Alle producten weergeven (meer dan 200) Microsoft Foundry Azure Copilot GitHub Copilot Azure Kubernetes Service (AKS) Azure Cosmos DB Azure Database for PostgreSQL Azure Arc Microsoft Fabric Linux Virtual Machines in Azure Foundry Models Foundry Agent Service Foundry IQ Foundry Tools Foundry Control Plane Observability in Foundry Control Plane Azure OpenAI in Foundry Models Azure Spraak in Foundry Tools Azure Machine Learning Bekijk alle databases Azure Cosmos DB Azure DocumentDB Azure SQL Azure Database for PostgreSQL Door Azure Beheerde Redis Microsoft Fabric Azure Databricks Linux Virtual Machines in Azure Windows Server op Azure Azure Functions Azure Virtual Machine Scale Sets Azure API Management Azure Container Apps Azure Kubernetes Service (AKS) Azure Kubernetes Fleet Manager Azure Container Registry Azure Red Hat OpenShift Azure Container Instances Azure Containeropslag Azure Arc Azure lokaal Microsoft Defender voor Cloud Azure Monitor Microsoft Sentinel Azure Migrate Alle oplossingen weergeven (meer dan 40) Cloudoplossingen voor kleine en middelgrote bedrijven Cloudmigratie en -moderniseringscentrum Gegevensanalyse voor AI Azure Databases AI-apps en agents Microsoft Marketplace Microsoft Sovereign Cloud AI-apps en agents Verantwoorde AI met Azure AI-infrastructuur Gegevensanalyse voor AI Machine learning-bewerkingen (MLOps) Toepassingsontwikkeling met weinig code op Azure Integratieservices Serverloze computing DevOps Migratie en het moderniseringscentrum .NET-apps-migratie Databases op Azure Linux op Azure Oracle op Azure SAP op de Microsoft Cloud Adaptieve cloud High Performance Computing (HPC) Infrastructuur als een dienst (IaaS) Tolerantie Azure Essentials Frontier Accelerate voor Azure FinOps in Azure Microsoft Marketplace Azure-prijsoverzicht Een Azure-account maken Gratis Azure-services Flexibele koopopties Prijscalculator FinOps in Azure ROI van AI maximaliseren Azure-besparingsplannen Azure-reserveringen Azure Hybrid Benefit Virtual Machines Azure SQL Microsoft Foundry Microsoft Fabric Azure Kubernetes Service (AKS) Microsoft Defender voor Cloud Meer informatie Softwareontwikkelingsbedrijven Microsoft Marketplace Een partner zoeken Bronnen voor Azure-partners Aan de slag met Azure Verhalen van klanten Rapporten van analisten, technische documenten en e-books Video's Meer informatie over cloud-computing Documentatie Verken Azure Portal Resources voor ontwikkelaars Quickstart-sjablonen Resources voor start-ups Ontwikkelaarscommunity Studenten Azure voor Partners Blog Evenementen en webinars Meer informatie Ondersteuning Contact opnemen met Verkoop Aan de slag met Azure Aanmelden

PyTorch in Azure

Profiteer van een zakelijke PyTorch-ervaring in de cloud.

Bekijk hoe Microsoft bijdraagt aan de PyTorch Foundation

 

PyTorch is een opensource-framework voor deep learning dat het traject van onderzoek naar productie versnelt. Gegevenswetenschappers bij Microsoft gebruiken PyTorch als het primaire framework om modellen te ontwikkelen die nieuwe ervaringen in onder andere Microsoft 365, Bing en Xbox mogelijk maken. Microsoft speelt een belangrijke rol in het PyTorch-ecosysteem met recente bijdragen zoals PyTorch Profiler.

PyTorch in Azure: een waardevolle combinatie

Productieklaar

Train en implementeer op betrouwbare wijze modellen op schaal met een ingebouwde PyTorch-omgeving in Azure Machine Learning om je ervan te verzekeren dat je gehele PyTorch-stack volledig wordt ondersteund via Azure Container voor PyTorch.

Versnelde prestaties

Reduceer de marktintroductietijd met krachtige GPU-hardware, een softwareversneller van productiekwaliteit met ONNX Runtime en de nieuwste innovatieve schalingstechnieken met DeepSpeed in Azure.

Versterkt ecosysteem

Realiseer meer met het uitgebreide PyTorch-ecosysteem van hulpprogramma's en mogelijkheden, waaronder PyTorch Profiler.

Vertrouwd door bedrijven van elke omvang

"Het nieuwe aanbod op ondernemingsniveau van Microsoft dicht een belangrijk hiaat. Het leveren van PyTorch-modellen in productie kan een uitdaging zijn. Dankzij de directe betrokkenheid van Microsoft kunnen we met vertrouwen nieuwe versies van PyTorch implementeren in Azure."

Jeremy Jancsary, Sr. Hoofd Onderzoekswetenschapper, Nuance

Twee medische professionals die naar een laptop kijken

"Ik zou de Azure-omgeving aanbevelen aan andere ontwikkelaars. Het is gebruiksvriendelijk, het vereenvoudigt het ontwikkelen en, zeer belangrijk, het volgt de best practices voor AI en machine learning-werk."

Alexander Vaagan, Hoofd Datawetenschapper, Inmeta, onderdeel van Crayon

Een persoon die een tablet en pen gebruikt

"Het uitvoeren van PyTorch in Azure biedt ons het beste platform om onze belichaamde intelligentie te bouwen. Onze technici kunnen eenvoudig de experimenten uitvoeren die ze nodig hebben, allemaal in één keer, op petabyte-schaal."

Pablo Castellanos Garcia, VP of Engineering, Wayve

Een vogelperspectief van auto's die op onderling verbonden snelwegen rijden

"Met Azure AI en PyTorch hebben we gerichte toepassingen van AI gecombineerd met journalistieke processen en financiële intelligentie, wat resulteert in een oplossing die uniek is in de markt en waardevol is voor cryptovaluta-investeerders."

Zoiner Tejada, CEO van Solliance en CTO van Baseline

Een persoon die aan een bureau werkt met een laptop die is verbonden met een desktopmonitor in zijn kantoor

"We gebruiken Azure Machine Learning en PyTorch in ons nieuwe framework om AI-modellen sneller te ontwikkelen en naar productie te verplaatsen, in een herhaalbaar proces waarmee gegevenswetenschappers zowel on-premises als in Azure kunnen werken."

Tom Chmielenski, Hoofd MLOps-engineer, Bentley

Twee personen die samenwerken aan een bureau
Terug naar tabbladen

Microsoft draagt actief bij aan een ecosysteem van opensource-projecten van PyTorch

PyTorch Profiler

PyTorch Profiler is een opensource-hulpprogramma waarmee je inzicht kunt krijgen in het verbruik van hardwareresources, zoals tijd en geheugen, van verschillende PyTorch-bewerkingen in je model en waarmee je prestatieknelpunten kunt oplossen. Hierdoor wordt je model sneller uitgevoerd met minder overhead.

PyTorch x Onnx Runtime

ONNX Runtime in PyTorch

Naarmate modellen voor deep learning uitgebreider worden, wordt het verminderen van trainingstijd zowel een financiële als een milieukwestie. Met ONNX Runtime wordt grootschalige, gedistribueerde training van PyTorch-transformeringsmodellen sneller uitgevoerd met de wijziging van één regel code. Combineer met DeepSpeed om de trainingssnelheid op PyTorch nog verder te verbeteren.

PyTorch x Windows

PyTorch in Windows

Microsoft onderhoudt PyTorch-builds voor Windows zodat je team kan profiteren van goed geteste en stabiele builds, eenvoudige en betrouwbare installatie, quickstarts en zelfstudies, high performance en ondersteuning voor geavanceerdere functies zoals gedistribueerde GPU-training.

Microsoft Founding Member Pytorch Foundation

PyTorch Foundation

Met het toenemende belang van PyTorch voor zowel AI-onderzoek als -productie, hebben Mark Zuckerberg en Linux Foundation gezamenlijk aangekondigd dat PyTorch wordt overgezet naar Linux Foundation om de continue groei van de community te ondersteunen en een thuis te bieden waar het nog jaren kan groeien. Om bij te dragen aan de toekomstige uitbreiding van PyTorch, is Microsoft lid geworden van PyTorch Foundation als lid van de raad van bestuur om de democratisering van en samenwerking tussen AI/ML te leiden. de nieuwste PyTorch-mogelijkheden verkennenVerken de nieuwste PyTorch-mogelijkheden.

ONNX Runtime: Een runtime voor versnelde deductie en training van PyTorch-modellen die ondersteuning biedt voor Windows, Mac, Linux, Android en iOS en die is geoptimaliseerd voor uiteenlopende hardwareversnellers.

DeepSpeed: Een bibliotheek met algoritmen voor het trainen van uitgebreide modellen van de volgende generatie, met geavanceerde modelparallelle trainingsalgoritmen en andere optimalisaties voor gedistribueerde training.

Hummingbird: Een bibliotheek waarin traditionele modellen zoals Scikit-Learn of LightGBM worden gecompileerd tot PyTorch-tensorcomputing voor snellere deductie.

Twee manieren om Azure te gebruiken voor PyTorch-ontwikkeling

Je werkstroom versnellen met Azure Machine Learning

Bouw, train en implementeer eenvoudig PyTorch-modellen met behulp van Azure Container voor PyTorch. Het is diep geïntegreerd met Azure Machine Learning voor experimentbeheer en volledige ondersteuning voor de levenscyclus van machine learning. Azure Machine Learning maakt het zware werk van end-to-end machine learning-werkstromen overbodig. Ook handelt het standaardtaken af, zoals het voorbereiden van gegevens en het bijhouden van experimenten, waardoor de tijd tot productie wordt teruggebracht van weken tot uren.

Ontwikkelen met Azure Data Science Virtual Machine voor PyTorch

Data Science Virtual Machines voor PyTorch worden geleverd met een meest recente, vooraf geïnstalleerde en gevalideerde PyTorch-versie om de installatiekosten te verlagen en de time-to-value te versnellen. De pakketten bevatten verschillende optimalisatiefunctionaliteiten, zoals ONNX Runtime, DeepSpeed en PySpark om een probleemloze ontwikkelervaring te leveren en de mogelijkheid om te werken met alle Azure-hardwareconfiguraties, inclusief GPU's.

Basisprincipes van PyTorch leren

Meer informatie over de grondbeginselen van deep learning met PyTorch op Microsoft Learn. Dit leertraject voor beginners introduceert belangrijke concepten voor het bouwen van machine learning-modellen in meerdere domeinen, waaronder spraak, zicht en natuurlijke taalverwerking.

Aan de slag met PyTorch in de AI-show

Leer de basisbeginselen van PyTorch, zoals hoe je een model bouwt en implementeert en hoe je contact maakt met de solide community van gebruikers.

De basisbeginselen van PyTorch verwerven

Maak kennis met PyTorch-concepten en -modules. In deze snelstartgids leer je hoe je gegevens laadt, Deep Neural Networks maakt en je modellen traint en opslaat.

Versnel je PyTorch-project in de cloud met Azure

A dashboard in Azure