PyTorch

Visão Geral

PyTorch é um framework de deep learning open-source desenvolvido pela Meta (Facebook) que oferece execução dinâmica de grafos computacionais. É amplamente utilizado na comunidade de pesquisa em IA devido à sua flexibilidade e facilidade de uso.

Com uma API Pythônica intuitiva e suporte nativo para GPU, PyTorch permite prototipagem rápida e experimentação eficiente, sendo ideal tanto para pesquisa quanto para produção.

Principais Características

Casos de Uso

Exemplo Prático

Exemplo de rede neural simples com PyTorch:

import torch
import torch.nn as nn
import torch.optim as optim
from torch.utils.data import DataLoader, TensorDataset

# Definir modelo
class SimpleNet(nn.Module):
    def __init__(self, input_size, hidden_size, num_classes):
        super(SimpleNet, self).__init__()
        self.fc1 = nn.Linear(input_size, hidden_size)
        self.relu = nn.ReLU()
        self.fc2 = nn.Linear(hidden_size, num_classes)
        
    def forward(self, x):
        x = self.fc1(x)
        x = self.relu(x)
        x = self.fc2(x)
        return x

# Criar modelo
model = SimpleNet(input_size=784, hidden_size=128, num_classes=10)

# Definir loss e optimizer
criterion = nn.CrossEntropyLoss()
optimizer = optim.Adam(model.parameters(), lr=0.001)

# Loop de treinamento
for epoch in range(num_epochs):
    for batch_idx, (data, targets) in enumerate(train_loader):
        # Forward pass
        outputs = model(data)
        loss = criterion(outputs, targets)
        
        # Backward pass
        optimizer.zero_grad()
        loss.backward()
        optimizer.step()
        
    print(f'Epoch [{epoch+1}/{num_epochs}], Loss: {loss.item():.4f}')

Tutoriais e Recursos