“PyTorch” için sonuçlar
4 sonuç bulundu. Sonuçları kategoriye göre daraltabilirsin.
Grafik Sinir Ağları İçin Yeni PyTorch Kütüphanesi: Torch Geometric Pool
Araştırmacılar, grafik sinir ağlarında kullanılan havuzlama (pooling) işlemlerini standartlaştıran yeni bir Python kütüphanesi geliştirdi. Torch Geometric Pool (tgp) adlı bu açık kaynak kütüphane, farklı havuzlama yöntemlerini tek bir arayüz altında birleştirerek araştırmacıların işini kolaylaştırıyor. Grafik sinir ağları, sosyal ağlar, moleküler yapılar ve bilgisayar ağları gibi karmaşık ilişki yapılarını analiz etmek için kullanılan yapay zeka modelleridir. Havuzlama işlemi ise bu ağlardaki düğümleri gruplandırarak hesaplama karmaşıklığını azaltır. Yeni kütüphane, 20 farklı havuzlama algoritması sunarak araştırmacıların farklı yöntemleri kolayca karşılaştırmasını sağlıyor. Select-Reduce-Connect-Lift (SRCL) adlı standart bir yaklaşım benimseyen sistem, MIT lisansı altında GitHub ve PyPI platformlarında ücretsiz olarak sunuluyor.
Kuantum makine öğrenmesi için yeni keşif motoru: MerLin
Araştırmacılar, kuantum makine öğrenmesinin pratik faydalarını sistematik olarak araştırmak için MerLin adında açık kaynaklı bir framework geliştirdi. Bu platform, fotonik ve hibrit kuantum modellerin performansını gerçekçi koşullarda test etmeyi sağlıyor. MerLin, lineer optik devrelerin güçlü simülasyonunu PyTorch ve scikit-learn gibi standart makine öğrenmesi araçlarıyla entegre ederek, kuantum katmanların uçtan uca eğitilmesine olanak tanıyor. Sistem, çekirdek yöntemlerinden üretken modellere kadar geniş bir yelpazede 18 farklı kuantum makine öğrenmesi çalışmasını yeniden üreterek, alandaki mevcut yöntemlerin sistematik karşılaştırılmasını mümkün kılıyor. Bu yaklaşım, kuantum bilgisayarların makine öğrenmesinde gerçekten avantaj sağlayabileceği alanları belirlemek için kritik öneme sahip.
PyEPO: Tahmin Sonrası Optimizasyon İçin Yeni Python Kütüphanesi Geliştirildi
Araştırmacılar, makine öğrenmesi tahminlerini optimizasyon problemleriyle doğrudan birleştiren PyEPO adlı yeni bir Python kütüphanesi geliştirdi. Geleneksel yöntemlerde tahmin ve optimizasyon aşamaları ayrı ayrı yapılırken, bu kütüphane iki süreci tek bir sistemde birleştirerek daha etkili sonuçlar elde etmeyi hedefliyor. Özellikle doğrusal ve tamsayı programlama problemlerinde, bilinmeyen parametrelerin bağlamsal bilgilerden tahmin edilmesi gereken durumlar için tasarlandı. PyTorch tabanlı olan kütüphane, kullanıcı dostu arayüzü ve çeşitli algoritma seçenekleriyle araştırmacılara kapsamlı bir araç sunuyor.
PyLO: Yapay Zeka Optimizasyonunu PyTorch'a Taşıyan Açık Kaynak Kütüphane
Araştırmacılar, makine öğrenmesi modellerinin eğitim sürecini optimize eden 'öğrenilmiş optimizatörler' teknolojisini PyTorch platformunda erişilebilir kılan PyLO kütüphanesini geliştirdi. Bu yenilik, daha önce sadece JAX platformunda bulunan ve 4000 TPU-ay gibi devasa hesaplama kaynaklarıyla eğitilen VeLO gibi gelişmiş optimizatörleri, makine öğrenmesi topluluğunun yaklaşık %70'ine ulaştırmayı hedefliyor. PyLO, mevcut Adam gibi yaygın optimizatörlerin yerine geçebilecek, gerçek dünya uygulamalarına odaklanan bir çözüm sunuyor. Kütüphane, CUDA hızlandırması ile büyük ölçekli model eğitimlerinde kullanılabilir hale geldi.