Advertisement

Go-Torch：适用于Golang的LibTorch(PyTorch)绑定

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型：ZIP

简介：
Go-Torch是一款专为Golang设计的库，它提供了对PyTorch核心组件LibTorch的访问接口，使开发者能够利用Python深度学习框架的能力进行高效的机器学习模型开发和部署。 一切都已经过时了。对于最新的绑定，请考虑退出或使用其他可用的软件包。 正在进行中的工作...请自行承担风险:-) LibTorch是Golang中用于PyTorch的库，主要目的是对从Python版本的PyTorch导出的序列化模型进行推理。此库也可以直接在Go中编译和运行TorchScript应用程序。 安装方法： ```shell $ go get github.com/orktes/go-torch ``` 使用说明： 导入以下代码包: ```go import ( github.com/orktes/go-torch ) ``` 创建张量时，支持的标量类型包括： - `torch.Byte` (uint8) - `torch.Char` (int8) - `torch.Int` (int32) - `torch.Long` (int64) - `torch.Float` (float32) - `torch.Double` (float64) 这些是创建张量时可使用的标量类型。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • Go-Torch：适用于Golang的LibTorch(PyTorch)绑定
    优质
    Go-Torch是一款专为Golang设计的库，它提供了对PyTorch核心组件LibTorch的访问接口，使开发者能够利用Python深度学习框架的能力进行高效的机器学习模型开发和部署。 一切都已经过时了。对于最新的绑定，请考虑退出或使用其他可用的软件包。 正在进行中的工作...请自行承担风险:-) LibTorch是Golang中用于PyTorch的库，主要目的是对从Python版本的PyTorch导出的序列化模型进行推理。此库也可以直接在Go中编译和运行TorchScript应用程序。 安装方法： ```shell $ go get github.com/orktes/go-torch ``` 使用说明： 导入以下代码包: ```go import ( github.com/orktes/go-torch ) ``` 创建张量时，支持的标量类型包括： - `torch.Byte` (uint8) - `torch.Char` (int8) - `torch.Int` (int32) - `torch.Long` (int64) - `torch.Float` (float32) - `torch.Double` (float64) 这些是创建张量时可使用的标量类型。
     
  • GoAV：基于Golang的FFmpeg绑定库
    优质
    GoAV是一款用Golang编写的FFmpeg接口绑定库，它简化了在Go项目中使用FFmpeg进行音视频处理的工作流程。 FFmpeg的Golang绑定提供了与ffmpeg视频音频操作库全面集成的功能。 使用方法如下： 导入github.com/giorgisiugo/av的相关包。 在main函数中进行以下操作： ```go filename := sample.mp4 // 注册所有格式和编解码器 avformat.AVRegisterAll() ctx := avformat.AvformatAllocContext() // 打开视频文件 if avformat.AVFormatOpenInput(&ctx, filename, nil, nil) != 0 { println(Error: Couldnt open file.) return } ```
     
  • Go-HttpClient：适用于Golang的高级HTTP客户端
    优质
    Go-HttpClient 是一个专为 Golang 设计的强大HTTP客户端库，提供高级功能和灵活配置选项，简化网络请求处理。 用于Golang的高级HTTP客户端。 产品特点： - 可链接的API - 直接上传文件 - 超时设置 - HTTP代理支持 - Cookie管理 - 缓存策略 - 重定向政策 - 支持取消请求（带上下文） 安装方法： ```shell go get github.com/ddliu/go-httpclient ``` 快速开始示例： ```golang package main import ( github.com/ddliu/go-httpclient ) func main() { httpclient.Defaults(httpclient.Map{ httpclient.OPT_USERAGENT: my awesome http client, Accept-Language: en-us, }) res, err := httpclient.Get(http://google.com/search, map[string]string{ q: news, }) println(res.Status) } ```
     
  • Go-Stash：与 Stash REST API 绑定
    优质
    Go-Stash 是一个功能强大的库，用于与 Atlassian Stash（现为 Bitbucket Server）的 REST API 进行交互。它使开发者能够轻松地通过 Go 语言实现对代码仓库、用户和权限等资源的操作。 为了最小化Stash REST API的集成绑定过程，并提供Stash支持以及利用测试设置存储来启动它的一种方法是使用atlassian/stash镜像。如果您使用的是上述Stash实例，请访问http://localhost:7990/并按照页面上的设置说明操作以配置Stash。 接下来，您需要在Stash中创建一个测试项目和代码库，并在一个标记为master的分支里添加一个README.md文件。 然后，在管理界面安装HTTP Request Post-Receive Hook for Stash插件。具体步骤如下： 1. 在Administration Add-On部分找到并安装该插件。 2. 设置应用程序链接，其中应用名称设为go-stash，类型选择通用应用，并创建入站连接。
     
  • RSMPI：适用于Rust的语言绑定 MPI
    优质
    RSMPI 是一个为 Rust 语言设计的库，提供对消息传递接口（MPI）的封装和扩展，旨在帮助开发者在高性能计算环境中轻松实现并行编程。 用于Rust的MPI绑定是一个遵循消息传递样式并发库规范（MPI）的项目。通常情况下，MPI实现被用来在高性能计算系统上构建并行计算应用。根据该规范，已经为C编程语言以及通过C++和Fortran编程语言定义了接口。这个库旨在填补从传统环境过渡到Rust世界的空白。 rsmpi遵循符合MPI-3.1的C语言接口标准，并已成功与多个实现进行过测试： 1. 一个版本为X.X.X（具体版本号未给出）的实现已被验证通过。 2. 另一些用户报告说，他们使用了不同版本（如Y.Y.Y.Z）的实现也获得了成功的体验，不过这些情况并未纳入持续集成系统中的正式测试。 为了确保rsmpi能够顺利运行，请注意以下几点： - 你的MPI安装需要提供一个C编译器包装器`mpicc`。 - `mpicc -show`命令应输出用于调用实际C编译器的完整命令行参数，包括链接库、库搜索路径和头文件搜索路径。这些信息需遵循GCC等工具链所支持的标准格式（例如-lmpi, -I/usr/l）。
     
  • Go-xlsx-Google Go (Golang) 库用于处理 Excel XLSX 文件
    优质
    Go-xlsx是一款专为Google Go编程语言设计的库，旨在简化Excel XLSX文件的操作和管理。它提供了一系列功能强大的工具来读取、写入和修改电子表格数据，助力开发者高效地完成各种任务需求。 xlsx - Google Go (golang)库用于读取和写入Excel XLSX文件。
     
  • Go-Impala：用于Apache Impala的Golang驱动程序
    优质
    Go-Impala是一款专为Apache Impala设计的高效Golang库，旨在简化Impala查询处理和数据交互过程，提供快速、稳定的数据分析服务。 Golang Apache Impala驱动程序是专门为Go语言开发的Apache Impala软件包。据我们所知，这是唯一一个支持TLS和LDAP功能的纯golang驱动程序。该驱动基于Hive Server 2协议进行实现；而旧版Beeswax协议的版本则已被标记为废弃，并不再维护。 如果您使用的是Go 1.12或更高版本，则可以通过命令`go get github.com/bippio/go-impala@v1.0.0`来获取驱动程序的 v1.0.0 版本，或者您也可以选择其他依赖项管理工具。我们致力于使此产品级驱动程序能够支持大规模数据分析，并且适用于企业中严重的企业场景，以替代现有的ODBC / JDBC 驱动器。 欢迎提出问题和贡献意见。
     
  • PyTorch-CPP：利用LibTorch开展PyTorch C++推理-源码
    优质
    PyTorch-CPP项目使用LibTorch库在C++环境中执行高效的PyTorch模型推理。该项目提供了丰富的示例代码，帮助开发者快速上手和理解如何将训练好的PyTorch模型部署到C++应用中进行预测。 该演示将展示如何使用LibTorch来构建C++应用程序。 更新记录： - [2019/01/18]：初始化仓库，并用PyTorch 1.0进行测试。 - [2020/02/22]：感谢两位贡献者，他们已经根据LibTorch 1.4.0和OpenCV 4.0更新了演示内容。 - [2020/04/15]：使用OpenCV 4.3、PyTorch 1.4以及LibTorch 1.4重新测试本教程，并为初学者改进自述文件。 - [2020/04/25]：更新CMakeLists.txt以适应C++14，同时用CUDA 10.0、PyTorch 1.5和LibTorch 1.5进行再测试。 - [2020/11/08]：优化自述文件，并使用PyTorch 1.7与不同的硬件配置（包括CUDA版本和cuDNN）重新进行了内容的准备。 步骤0：依赖项安装 确保正确安装了LibTorch和OpenCV。请根据您的系统环境相应地设置这些库，以便能够顺利进行后续操作。