Neuronové sítě - porovnání výkonnosti knihovny založené na PyTorch v Pythonu a C++ – Matěj ČERNÝ
Matěj ČERNÝ
Bakalářská práce
Neuronové sítě - porovnání výkonnosti knihovny založené na PyTorch v Pythonu a C++
Neural Networks - Performance Comparison of Library based on PyTorch in Python and C++
Anotace:
Neuronové sítě jsou v současné době velmi populární. Naprostá většina kódů je nicméně psaná v jazyce Python, například s použitím knihovny PyTorch. Jádro této knihovny je ovšem nativně psáno v C++ a umožňuje použití přímo z C++. Cílem této bakalářské práce je konverze knihovny vyvinuté vedoucím práce založené na PyTorch z Pythonu do C++ a následné porovnání výkonu obou řešení na jednoduchém modelu …víceAbstract:
Neural networks are currently very popular. However, the vast majority of code is written in the Python language, for example using the PyTorch library. The core of the library is, however, natively written in C++ and allows for direct use from C++. The aim of this bachelor's thesis is to convert the PyTorch-based library developed by the thesis supervisor from Python to C++, and subsequently compare …více
Jazyk práce: čeština
Datum vytvoření / odevzdání či podání práce: 4. 5. 2023
Zveřejnit od: 31. 12. 2999
Obhajoba závěrečné práce
- Vedoucí: Ing. Martin Prantl, Ph.D.
Citační záznam
Jak správně citovat práci
ČERNÝ, Matěj. Neuronové sítě - porovnání výkonnosti knihovny založené na PyTorch v Pythonu a C++. Plzeň, 2023. bakalářská práce (Bc.). ZÁPADOČESKÁ UNIVERZITA V PLZNI. Fakulta aplikovaných věd
Plný text práce
Právo: Autor si nepřeje zpřístupnění práce veřejnosti
Obsah online archivu závěrečné práce
Zveřejněno v Theses:- Soubory jsou nedostupné.
Jak jinak získat přístup k textu
Instituce archivující a zpřístupňující práci: ZÁPADOČESKÁ UNIVERZITA V PLZNI, Fakulta aplikovaných vědVázaný výtisk práce naleznete v Univerzitní knihovně ZČU, více na http://www.knihovna.zcu.cz/kvalifikacni-prace/
ZÁPADOČESKÁ UNIVERZITA V PLZNI
Fakulta aplikovaných vědBakalářský studijní program / obor:
Informatika a výpočetní technika / Informatika
Práce na příbuzné téma
-
Analýza frameworků pro adaptaci hlubokých neuronových sítí
Vilém OBRÁTIL -
Modelování tržního rizika pomocí metod strojového učení a umělé inteligence
Ondřej Lasák -
Částečně řízené učení algoritmů strojového učení (semi-supervised learning)
Jiří Pavlík -
Vstupní zařízení používající strojové učení
Maxym Kostevych -
Modelování vlivu podmínek prostředí na biologická společenstva s využitím metod strojového učení.
Hana Mlčochová -
Predikce teploty tání proteinů na základě strojového učení pro objevování stabilních biokatalyzátorů
Karen Pailozian -
Algoritmy strojového učení pro zpracování událostí z fázově citlivého OTDR
Přemysl Till -
Predikcia bankrotu firiem osobnej dopravy v EÚ použitím metód strojového učenia
Anna Čarnogurská