Масштабируемые модели ИИ с PyTorch Lightning
Sergiy Tkachuk
Director, GenAI Productivity
Независим от Python
Эффективен в производственной среде
Примеры:

Независим от Python
Эффективен в производственной среде
Примеры:

Два способа преобразования:
torch.jit.trace: трассирует выполнение на основе примеров входных данныхtorch.jit.script: компилирует модель, анализируя код PythonКогда использовать:
trace — для простых моделейscript — для моделей с управляющими конструкциями (например, циклами)import torch import torch.nn as nnclass SimpleModel(nn.Module): def forward(self, x): return x * 2model = SimpleModel() scripted_model = torch.jit.script(model)
$$
torch.jit.save: сохраняет скриптованную модель в файлtorch.jit.load: загружает модель для инференса$$
# Save the model
torch.jit.save(scripted_mod,"model.pt")
# Load the model
loaded_model=torch.jit.load("model.pt")
Пример входных данных:
[1.0, 2.0, 3.0]Пример выходных данных:
[2.0, 4.0, 6.0]# Perform inference input_arr = [1.0, 2.0, 3.0] input_tensor = torch.tensor(input_arr)output = loaded_model(input_tensor) print(output)
$$
torch.jit.trace: подходит для статических моделейtorch.jit.script: поддерживает динамические управляющие конструкцииtorch.jit.save: сохраняет скриптованную модельtorch.jit.load: загружает модель для инференсаМасштабируемые модели ИИ с PyTorch Lightning