PyTorch for Deep Learning: Creating and Deploying Deep Learning Applications

Repository for scripts and notebooks from the book: Programming PyTorch for Deep Learning: Creating and Deploying Deep Learning Applications

Updates

• 2020/05/25: Chapter 9.75 — Image Self-Supervised Learning

• 2020/03/01: Chapter 9.5 - Text Generation With GPT-2 And (only) PyTorch, or Semi/Self-Supervision Learning Part 1 (Letters To Charlotte)

• 2020/05/03: Chapter 7.5 - Quantizing Models

Deutschsprachige Ausgabe

PyTorch für Deep Learning: Anwendungen für Bild-, Ton- und Textdaten entwickeln und deployen

--> https://dpunkt.de/produkt/pytorch-fuer-deep-learning/

Installationshinweise

• Python - Downloads und Dokumentation
• Anaconda - Dokumentation mit Installationshinweisen
• pip - Installationshinweise
• PyTorch - Installationshinweise
  • falls Installation nicht mit

    conda env create --file environment.yml

    /

    pip3 install -r requirements.txt
    /requirements_cuda_available.txt

    erfolgt; ansonsten siehe Abschnitt Versionskontrolle
• Jupyter Notebook / JupyterLab - Installation und Dokumentation
• Google Colaboratory - Einführung und weitergehende Hinweise insb. zum Einlesen von Daten
• Github - Forken und Klonen eines Repositorys

Versionskontrolle

Nachdem Sie das Github-Repository lokal geklont (bzw. zuvor geforkt) haben!

Conda

1.) Wechseln Sie zunächst in den Zielordner (

cd beginners-pytorch-deep-learning

conda env create --file environment.yml

2.) Anschließend aktivieren Sie die virtuelle Umgebung:

conda activate myenv

3.) Zum Deaktivieren nutzen Sie den Befehl:

conda deactivate

pip

1.) Wechseln Sie zunächst in den Zielordner (

cd beginners-pytorch-deep-learning

python3 -m venv myenv

2.) Aktivieren Sie die virtuelle Umgebung (https://docs.python.org/3/library/venv.html):

source myenv/bin/activate

myenv\Scripts\activate.bat

3.) Erstellen Sie eine (lokale) virtuelle Umgebung und installieren Sie die benötigten Bibliotheken und Pakete:

pip3 install -r requirements.txt

4.) Zum Deaktivieren nutzen Sie den Befehl:

deactivate

Bei Nutzung von Jupyter Notebook

1.) Zunächst müssen Sie Jupyter Notebook installieren:

conda install -c conda-forge notebook

pip3 install notebook

2.) Nach Aktivierung Ihrer virtuellen Umgebung (s.o.) geben Sie den folgenden Befehl in Ihre Kommandozeile ein, um die

ipykernel

conda install ipykernel

pip3 install ipykernel

3.) Installieren Sie einen Kernel mit Ihrer virtuellen Umgebung:

ipython kernel install --user --name=myenv

4.) Starten Sie Jupyter Notebook:

jupyter notebook

5.) Nach Öffnen des Jupyter-Notebook-Startbildschirms wählen Sie auf der rechten Seite das Feld New (bzw. in der Notebook-Ansischt den Reiter Kernel/Change Kernel) und wählen Sie myenv aus.

Google Colaboratory

In Google Colab stehen Ihnen standardmäßig einige Pakete bereits vorinstalliert zur Verfügung. Da sich Neuinstallationen immer nur auf ein Notebook beziehen, können Sie von einer Einrichtung einer virtuellen Umgebung absehen und direkt die Pakete mit Hilfe der Dateien

environment.yml

requirements.txt
  / requirements_cuda_available.txt

!pip3 install -r requirements
   .txt