PYTORCH 日本語 意味 - 日本語訳 - 英語の例文

• pytorch

英語 での Pytorch の使用例とその 日本語 への翻訳

To install PyTorch, please follow the instructions below.
PyTorchのインストール方法は以下を参照ください。

In a recent blog post, Bill Jia announced a new 1.0 version of PyTorch.
先日のブログ記事で、BillJia氏が、PyTorchの新バージョン1.0を発表した。

PyTorch is already used in many of Facebook's products.
PyTorchは、すでに多数のFacebookのプロダクトで使われている。

Since Facebook open-sourced PyTorch, the project has gained many supporters.
FacebookがPyTorchをオープンソースにして以来、プロジェクトはたくさんの支持者を得ている。

PyTorch 1.0 will be available in beta version in the next few months.
PyTorch1.0は数カ月以内にベータ版として提供される。

The newest version of the AMI includes an upgrade to PyTorch 1.1 and to Chainer 5.4.
AMIの最新バージョンでは、PyTorch1.1およびChainer5.4にアップグレードされている。

PyTorch is a Python package that provides two high-level features:.
PyTorchはPythonパッケージで、2つの高度な機能を提供します：。

Experience in developing deep learning models using TensorFlow, PyTorch, Keras, etc.
TensorFlow、PyTorch、Keras等のフレームワークを利用した深層学習システムの開発経験。

Most of the PyTorch tensor operations are very similar to NumPy operations.
PyTorchでの多くの基本的な操作方法はNumpyと酷似しています。

Microsoft committed its Cognitive Toolkit, Caffe2 and PyTorch to support ONNX.
MicrosoftCognitiveToolkit、Caffe2、PyTorchは、ONNXをサポートする予定です。

PyTorch Tensors are similar to NumPy Arrays, but can also be operated on a CUDA-capable Nvidia GPU.
PyTorchのTensorはNumpyの配列Arrayに似ているが、CUDAが有効なNvidiaのGPU上での演算も可能になっている。

Enhanced cooperation with Anaconda Numba and PyTorch, enabling the mutual exchange of parallel data.
CuPyが相互連携強化AnacondaNumba、PyTorchと相互に並列データを交換。

Python packages such as NumPy, SciPy and Cython can be reused to extend PyTorch when needed.
NumPy、SciPy、CythonなどのPythonパッケージを再利用して、必要に応じてPyTorchを拡張することができます。

For users migrating to PyTorch, we are releasing resources to ease porting efforts: Migration Guide and Migration Library.
PyTorchへの移行に際して、Chainerチームでは移行を容易にするためのドキュメントおよびライブラリを公開しました。

Various toolkit from Microsoft like Cognitive Toolkit, PyTorch and Caffe2 will be supporting ONNX.
MicrosoftCognitiveToolkit、Caffe2、PyTorchは、ONNXをサポートする予定です。

The code, pretrained models, and hyperparameters used in our paper are also available in both Tensorflow and PyTorch on GitHub.
我々のコード，事前学習済みモデル，ハイパーパラメーターはTensorflowとPyTorchの両方で利用できる。

The PyTorch 1.0 toolkit will be available in beta within the next few months, making Facebook's state-of-the-art AI research tools available to everyone.
PyTorch1.0のツールキットは、数ヶ月以内にベータ版として提供される予定で、Facebookの最先端のAI研究ツールを誰もが利用可能になります。

This image recognition work is powered by our AI research and production tools: PyTorch, Caffe2, and ONNX.
この画像認識作業は、AIの研究、生産ツールであるPyTorchおよびCaffe2、ONNXによって作動しています。

Speaking of Python, there's also PyTorch( WEB), a set of deep learning Python libraries that is built on Torch, yet another machine learning set of tools developed, this time, by Facebook.
Pythonといえば、PyTorch（WEB）、トーチ上に構築されたディープラーニングPythonライブラリのセット、今回はFacebookによって開発された別の機械学習ツールのセット。

The processes described here can be applied using any other deep learning frameworks, such as MXNet, Caffe, PyTorch, CNTK, and others.
ここで説明するプロセスは、MXNet、Caffe、PyTorch、CNTKなどの他のディープラーニングフレームワークを使用して適用できます。

ONNX models are currently supported in Caffe2, Microsoft Cognitive Toolkit, MXNet, and PyTorch, and there are connectors for many other common frameworks and libraries.
ONNXモデルは現在、Caffe2、MicrosoftCognitiveToolkit、MXNet、PaddlePaddle、PyTorchでサポートされており、他の多くの共通フレームワークやライブラリ向けのコネクタも用意されています。

Requirements: The technologies you will be working with include Python, sci-kit-learn, Pandas, SQL, and possibly Flask, Spark and/or TensorFlow/PyTorch.
必要条件：あなたが使う事になるテクノロジーはPython、scikit-learn、Pandas、SQL、そしておそらくFlask、Sparkそして/またはTensorFlow/PyTorchを含みます。

Since then, many frameworks have adopted a similar approach, including Gluon, PyTorch, and TensorFlow(with Keras Subclassing).
それ以来、Gluon、PyTorch、TensorFlowなど多くのフレームワークが、同じようなアプローチを採用しています（TensorFlowでは、KerasSubclassingによって実現しています）。

Preferred Networks will start using PyTorch widely, and we look forward to contributing to PyTorch with the experience and knowledge gained from the development of Chainer.
PreferredNetworksでは、今後PyTorchを主要なフレームワークとして使用するとともに、Chainerの開発を通じて得られた知識と経験を生かしてPyTorchへ貢献してゆきます。

With these new tools, developers can develop their models with the same open source frameworks they are likely already using(think TensorFlow, Caffe, PyTorch, Keras etc.).
この新しいツールを使うデベロッパーは、彼らがすでに使っているオープンソースのフレームワーク（TensorFlow,Caffe,PyTorch,Kerasなど）を使って自分たちのモデルを開発できる。

Customers using Amazon SageMaker can use optimized algorithms offered in Amazon SageMaker, to run fully-managed MXNet, TensorFlow, PyTorch, and Chainer algorithms, or bring their own algorithms and models.
AmazonSageMakerを利用するお客様は、AmazonSageMakerで最適化されたアルゴリズムを使い、フルマネージドなMXNet、Tensorflow、PyTorch、Chainerのアルゴリズムを実行させたり、独自のアルゴリズムやモデルを持ち込むことができます。

In the last few years, we have seen a growth in machine learning(Machine Learning) tools and frameworks. If you are Python developer, you can use machine learning libraries such as scikit-learn, gensim, Chainer, PyTorch, TensorFlow and Keras.
近年では便利なツールやフレームワークが増え、例えばPythonにおける機械学習周りのライブラリではscikit-learn、gensim、Chainer、PyTorch、TensorFlow、Kerasなどが利用できます。

Through the ONNXTM model format, existing policies can be imported from deep learning frameworks such as TensorFlowTM Keras and PyTorch with Deep Learning ToolboxTM.
ONNXTMモデルフォーマットで既存のポリシーをTensorFlowTM、Keras、およびPyTorchなどのディープラーニングフレームワークからインポートできます(DeepLearningToolboxTMを使用)。