معرفی شرکت ها

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

A package for building and training quantized and binary neural networks with Pytorch

ویژگی	مقدار
سیستم عامل	-
نام فایل	bitorch-engine-0.1.0
نام	bitorch-engine
نسخه کتابخانه	0.1.0
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Hasso Plattner Institute
ایمیل نویسنده	fb10-xnor@hpi.de
آدرس صفحه اصلی	https://github.com/hpi-xnor/bitorch-inference-engine
آدرس اینترنتی	https://pypi.org/project/bitorch-engine/
مجوز	-

# Bitorch Engine Readme will be extended soon. This package contains layer to provide fast(er) layer implementations for [BITorch](https://github.com/hpi-xnor/bitorch). ## Installation Currently, the supported installation method is using pip: - Without any special cuda requirements (to hide the build output remove `-v`): ```bash pip install -e . -v ``` - With higher CUDA versions you may need to install a torch pre-release and/or add an extra index URL: ```bash pip install --upgrade --pre torch --extra-index-url https://download.pytorch.org/whl/nightly/cu113 ``` For example, for Cuda 11.6.124 `torch==1.12.0.dev20220324+cu113` should work. ## Cuda Device Selection To select a certain CUDA device, set the environment variable `BIE_DEVICE`, e.g.: ```bash export BIE_DEVICE=1 # use 2nd cuda device ``` ## Development If building fails, adapt the options in [cpp_extension.py](bitorch_engine/utils/cpp_extension.py)/ [cuda_extension.py](bitorch_engine/utils/cuda_extension.py). While developing, a specific cpp/cuda extension can be (re-)build, by using the environment variable `BIE_BUILD_ONLY`, like so: ```bash BIE_BUILD_ONLY="bitorch_engine/layers/qconv/binary/cpp" pip install -e . -v ``` It needs to a relative path to one extension directory. To build for a different CUDA Arch, use the environment variable `BIE_CUDA_ARCH` (e.g. use 'sm_75', 'sm_80', 'sm_86'): ```bash BIE_CUDA_ARCH="sm_86" pip install -e . -v ``` ### MacOS You should install OpenMP (`brew install libomp`) with homebrew and make sure to add the corresponding environment variables: ```bash export LIBRARY_PATH=$LIBRARY_PATH:"$(brew --prefix)/lib" export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:"$(brew --prefix)/lib" export CPATH=$CPATH:"$(brew --prefix)/include" # during libomp installation it should something like this: export LDFLAGS="-L$(brew --prefix)/opt/libomp/lib" export CPPFLAGS="-I$(brew --prefix)/opt/libomp/include" ```

زبان مورد نیاز

مقدار	نام
>=3.7	Python

نحوه نصب

نصب پکیج whl bitorch-engine-0.1.0:

pip install bitorch-engine-0.1.0.whl

نصب پکیج tar.gz bitorch-engine-0.1.0:

pip install bitorch-engine-0.1.0.tar.gz