Découvre PyTorch, le framework d'apprentissage machine flexible et Python-first qui alimente les innovations en matière d'IA comme Ultralytics YOLO . Construis plus intelligemment et plus rapidement dès aujourd'hui !
PyTorch est un cadre d'apprentissage automatique open-source populaire développé principalement par Meta AI. Il fournit une plateforme flexible et intuitive pour la construction et l'entraînement de réseaux neuronaux, ce qui en fait un favori parmi les chercheurs et qui est de plus en plus adopté pour le déploiement en production. Sa conception Python permet une intégration transparente avec le vaste écosystème de science des données Python , abaissant ainsi la barrière à l'entrée pour les développeurs. PyTorch est le cadre fondamental de nombreux modèles de pointe, notamment Ultralytics YOLO pour la détection d'objets.
PyTorch se distingue par plusieurs caractéristiques essentielles qui contribuent à son utilisation généralisée :
La polyvalence de PyTorch le rend adapté à un large éventail de tâches d'apprentissage automatique dans divers domaines.
Alors que PyTorch est très populaire, en particulier dans la communauté des chercheurs, d'autres frameworks comme TensorFlow occupent également une place importante dans le paysage de l'IA. Historiquement, l'un des principaux facteurs de différenciation était l'approche dynamique des graphes de PyTorch par rapport aux graphes statiques de TensorFlow, bien que TensorFlow a ensuite introduit des modes d'exécution dynamiques. Les deux frameworks offrent des outils complets pour la construction, l'entraînement et le déploiement de modèles, mais diffèrent dans la conception de l'API et l'orientation de la communauté, comme l'expliquent en détail des comparaisons telles que Explorer les frameworks d'IA de Vision.
PyTorch bénéficie d'une communauté de développeurs importante et active, d'une documentation complète sur le site officiel dePyTorch , et d'outils comme TorchScript pour la transition des modèles vers les environnements de production. Tu peux commencer à utiliser PyTorch avec les modèles Ultralytics en suivant notre guide de démarrage rapide ou former des modèles facilement en utilisant Ultralytics HUB.