Trace Id is missing
跳转至主内容
Azure

Azure 上的 PyTorch

获取云中的企业就绪 PyTorch 体验。

了解 Microsoft 如何参与 PyTorch Foundation

 

PyTorch 是一种开源深度学习框架,可加速从研究到生产的路径。Microsoft 的数据科学家使用 PyTorch 作为开发模型的主要框架,在 Microsoft 365、必应、Xbox 等中提供新的体验。Microsoft 是 PyTorch 生态系统的杰出贡献者,最近的发布内容包括 PyTorch Profiler。

Azure 上的 PyTorch - 相辅相成

生产就绪

使用 Azure 机器学习中的内置 PyTorch 环境可靠、大规模地训练和部署模型,以确保通过适用于 PyTorch 的 Azure 容器完全支持最新的 PyTorch 版本。

提速的性能

利用功能强大的 GPU 硬件、生产级软件加速器(ONNX 运行时)以及 Azure 中的最新创新缩放技术 (DeepSpeed),缩短上市时间。

增强的生态系统

利用丰富的 PyTorch 生态系统工具和功能(包括 PyTorch Profiler)来实现更多目标。

深受各种规模的公司的信赖

"Microsoft 提供的新企业级产品/服务弥补了一个重要差距。在生产环境中使用 PyTorch 模型可能是一项挑战。借助 Microsoft 的直接参与,我们可以放心地将新版本的 PyTorch 部署到 Azure。"

Jeremy Jancsary,Nuance 高级首席研究科学家

两名医疗专业人员正在看笔记本电脑

"我会向其他开发人员推荐 Azure 环境。它对用户友好、便于开发,而且重要的是,它遵循 AI 和机器学习工作的最佳做法。"

Alexander Vaagan,Crayon 旗下 Inmeta 的首席数据科学家

一个人正在使用平板电脑和触笔

"运行 Azure 上的 PyTorch 为我们提供了构建我们所体现的智能所需的最佳平台。我们的工程师可以轻松地一次性运行所有所需的 PB 级试验。"

Pablo Castellanos Garcia,Wayve 工程部副总裁

四通八达的高速公路上驾驶的汽车的鸟瞰图

"借助 Azure AI 和 PyTorch,我们将 AI 的重点应用与新闻流程和金融情报相结合,形成了市场上独一无二,对加密货币投资者来说非常有价值的解决方案。"

Zoiner Tejada,Solliance CEO 兼 Baseline CTO

一个人在办公室的桌旁工作,一台笔记本电脑连接到到一个桌面显示器

"我们在新的框架中使用 Azure 机器学习和 PyTorch,以可重复的过程更快地开发 AI 模型并将其移入生产环境,该过程使数据科学家能够在本地和 Azure 中工作。"

Tom Chmielenski,Binley 首席 MLOps 工程师

两个人一起在办公桌前工作
返回标签页

Microsoft 是 PyTorch 开源项目生态系统的积极参与者

PyTorch Profiler

PyTorch Profiler 是一种开源工具,可帮助你了解模型中各种 PyTorch 操作的硬件资源(如时间和内存)消耗情况,并解决性能瓶颈。这使模型的执行速度更快、开销更小。

PyTorch x Onnx 运行时

PyTorch 上的 ONNX 运行时

随着深度学习模型不断增大,减少训练时间在财务和环境方面都成为了一个问题。ONNX 运行时通过一行代码更改加速了 PyTorch 转换器模型的大规模分布式训练。结合 DeepSpeed 进一步提高 PyTorch 的训练速度。

PyTorch x Windows

Windows 上的 PyTorch

Microsoft 会维护 Windows 的 PyTorch 版本,以便你的团队能够体验经过良好测试且稳定的版本、简单可靠的安装、快速入门和教程,以及对高性能和更高级功能(如分布式 GPU 训练)的支持。

Microsoft 成为 Pytorch Foundation 的创始成员

PyTorch Foundation

随着 PyTorch 对 AI 研究和生产的重要性越来越高,Mark Zuckerberg 和 Linux 基金会联合宣布,PyTorch 将过渡到 Linux 基金会,以支持社区的持续发展,并为社区提供一个未来数年内蓬勃发展的家园。为了在以后促进 PyTorch 的发展,Microsoft 加入了 PyTorch Foundation,成为管理委员会的成员,领导 AI/ML 的规范化和协作。 探索最新的 PyTorch 功能

ONNX 运行时:用于加快推理和训练 PyTorch 模型的运行时,支持 Windows、Mac、Linux、Android 和 iOS,并针对各种硬件加速器进行了优化。

DeepSpeed:用于训练下一代大型模型的算法库,其中包括先进模型并行训练算法和用于分布式训练的其他优化项。

Hummingbird:一种库,可将 Scikit-Learn 或 LightGBM 等传统模型编译为 PyTorch 张量计算,以加快推理速度。

利用 Azure 进行 PyTorch 开发的两种方式

使用 Azure 机器学习加快工作流速度

使用适用于 PyTorch 的 Azure 容器轻松生成、训练和部署 PyTorch 模型。它与 Azure 机器学习深度集成,以提供试验管理和完整的机器学习生命周期支持。Azure 机器学习可简化端到端机器学习工作流,同时可处理“数据准备”、“试验跟踪”等常规任务,将研究到生产的时间从数周缩短为几个小时。

使用适用于 PyTorch 的 Azure Data Science Virtual Machine 进行开发

适用于 PyTorch 的 Azure Data Science Virtual Machine 已预安装最新的 PyTorch 版本并经过验证,可降低设置成本和加快实现价值的时间。这些包具备各种优化功能(例如 ONNX 运行时、DeepSpeed 和 PySpark),可立即获得无摩擦的开发体验,并能够使用包括 GPU 在内的所有 Azure 硬件配置。

了解 PyTorch 基础知识

了解在 Microsoft Learn 上使用 PyTorch 进行深度学习的相关基础知识。这一适合初学者的学习途径介绍了在多种领域中构建机器学习模型的重要相关概念,包括语音、视觉和自然语言处理。

观看 AI Show 以开始使用 PyTorch

了解 PyTorch 的基础知识,包括如何生成和部署模型,以及如何连接到强大的用户社区。

了解 PyTorch 基础知识

了解 PyTorch 的概念和模块。通过本快速入门指南了解如何加载数据、生成深度神经网络、训练和保存模型。

使用 Azure 在云中提升 PyTorch 项目的完成速度

A dashboard in Azure