Skip to content

Latest commit

 

History

History
75 lines (51 loc) · 2.95 KB

README.md

File metadata and controls

75 lines (51 loc) · 2.95 KB
Raw

Formation PyTorch à l'Observatoire Midi-Pyrénées - les bases pour être autonome

19 avril 2023 de 9h à 17h à l'OMP (salle Coriolis)

Objectifs

A la fin de la journée, vous serez capable de :

  • Comprendre dans le détail et manipuler les objets de base de PyTorch :
    • Tenseurs torch.tensor (transposer, concaténer, multiplier, dupliquer...),
    • Paramètres torch.nn.parameter (caluler et rétro-propager le gradient par rapport à certains paramètres, fine-tuner...),
    • Modèles torch.nn.Module (créer vos modèles, charger des paramètres pré-entrainés...)
    • Modules torch.nn.modules (créer vos propres couches...),
    • Dataset torch.utils.data.Dataset (définir un dataset adapté à votre cas).
  • Sauvegarder les paramètres de votre modèle,
  • Optimiser votre modèle sur GPU,
  • Définir vos propres fonctions de régularisation,
  • Définir différents hyper-paramètres (comme le learning rate) pour différents paramètres de votre modèle.

Atention, cet atelier n'est :

  • ni une formation débutante à Python,
  • ni un cours de Machine Learning,
  • ni une formation avancée pour des utilisateurs réguliers de PyTorch.

Organisation de la journée

La journée (9h-12h30 / 14h-17h) sera sous la forme d'un TP (sur vos machines) avec une alternance de parties magistrales et d'exercices pratiques.

Prérequis

  • Etre autonome en python,
  • Si vous n'avez jamais utilisé PyTorch, avoir visualisé le cours Fidle https://www.youtube.com/watch?v=XvaxqXD3B9k (jusqu'à 1h09),
  • Avoir installé les bibliothèques nécessaires comme expliqué ci-dessous.

Téléchargement des données

Nous aurons besoin des données téléchargeables au lien suivant :

https://nextcloud.isae.fr/index.php/s/WmjQPyH3g2EK33x

Installation des bibliothèques python et téléchargement des notebooks

Si vous ne souhaitez pas installer les bibliothèques en local, vous pouvez suivre l'atelier à partir des notebooks google Colab dont vous trouverez les liens au début de chaque jupyter notebook.

Sinon, nous vous recommandons d'installer Anaconda (https://docs.anaconda.com/anaconda/install/) qui inclut Jupyter Notebook.

Une fois installé, vous pouvez créer un environnement virtuel en exécutant les commandes suivantes dans votre terminal:

conda create -n atelier_pytorch_omp python=3
conda activate atelier_pytorch_omp

Vous pourrez ensuite cloner le répertoire et installer les dépendances nécessaires comme suit :

git clone https://github.com/Romain3Ch216/atelier_pytorch_omp.git
cd atelier_pytorch_omp
pip install -r requirements.txt

Sur windows:

pip install -r requirements.txt -f https://download.pytorch.org/whl/torch_stable.html

Pour vérifier votre installation, vous pouvez ouvrir un notebook et exécuter les premières cellules :

jupyter-notebook partie_1.ipynb

Public concerné

Stagiaires, CDD, Doctorants, Post Docs ou tout autre personnel permanent.