Episodio
Desarrollo de PyTorch en Visual Studio Code
Visual Studio Code, un editor de código ligero multiplataforma gratuito, es uno de los más populares entre los desarrolladores de Python para proyectos de aprendizaje web y automático. Le guiaremos por un proyecto de PyTorch de un extremo a otro para mostrar lo que VS Code tiene mucho que ofrecer a los desarrolladores de PyTorch para aumentar su productividad.
En primer lugar, ponga en marcha el proyecto de PyTorch rápidamente con la administración de entornos y dependencias de VS Code y la compatibilidad integrada con Jupyter Notebook. En segundo lugar, es fácil codificar con ayuda de intelliSense con tecnología de inteligencia artificial. Cuando sea el momento de ejecutar el código, use la integración integrada de Tensorboard para supervisar el entrenamiento junto con el generador de perfiles de PyTorch integrado para analizar y depurar el código. Una vez que esté listo para la nube, VS Code tiene integración de servicios de Azure para permitirle escalar el entrenamiento y la implementación del modelo, junto con la implementación.
Visual Studio Code, un editor de código ligero multiplataforma gratuito, es uno de los más populares entre los desarrolladores de Python para proyectos de aprendizaje web y automático. Le guiaremos por un proyecto de PyTorch de un extremo a otro para mostrar lo que VS Code tiene mucho que ofrecer a los desarrolladores de PyTorch para aumentar su productividad.
En primer lugar, ponga en marcha el proyecto de PyTorch rápidamente con la administración de entornos y dependencias de VS Code y la compatibilidad integrada con Jupyter Notebook. En segundo lugar, es fácil codificar con ayuda de intelliSense con tecnología de inteligencia artificial. Cuando sea el momento de ejecutar el código, use la integración integrada de Tensorboard para supervisar el entrenamiento junto con el generador de perfiles de PyTorch integrado para analizar y depurar el código. Una vez que esté listo para la nube, VS Code tiene integración de servicios de Azure para permitirle escalar el entrenamiento y la implementación del modelo, junto con la implementación.