【GitHub每日速递 20251111】PyTorch：GPU加速、动态网络，深度学习平台的不二之选！

原文: https://mp.weixin.qq.com/s/a3gqAuKAJguAlC7gfZCE_g
PyTorch：GPU加速、动态网络，深度学习平台的不二之选！

项目地址：https://github.com/pytorch/pytorch
主要语言：Python
stars: 94.6k

核心功能

PyTorch 是一个 Python 包，提供两大高级特性：

• 具备强大 GPU 加速功能的张量计算（类似于 NumPy）。
  
• 基于磁带式自动求导系统构建的深度神经网络。
  

它由多个组件构成：

• torch：类似 NumPy 的张量库，支持强大的 GPU 计算。
  
• torch.autograd：基于磁带的自动求导库，支持 torch 中所有可微分的张量操作。
  
• torch.jit：一个编译栈（TorchScript），用于从 PyTorch 代码创建可序列化和可优化的模型。
  
• torch.nn：与自动求导深度集成的神经网络库，设计具有最大灵活性。
  
• torch.multiprocessing：Python 多进程，能在进程间实现 torch 张量的神奇内存共享，对数据加载和 Hogwild 训练很有用。
  
• torch.utils：包含 DataLoader 等实用工具函数，使用方便。
  

优势

• GPU 就绪的张量库：提供可在 CPU 或 GPU 上运行的张量，极大加速计算，拥有丰富的张量操作例程。
  
• 动态神经网络：基于磁带的自动求导：采用反向模式自动求导技术，可任意改变网络行为，零延迟、无开销，是该技术的快速实现之一。
  
• Python 优先：深度集成到 Python 中，可自然使用，还能利用喜欢的 Python 库扩展功能。
  
• 命令式体验：设计直观、易于使用，代码执行无异步视图，调试和错误处理简单。
  
• 快速轻量：框架开销极小，集成多种加速库，CPU 和 GPU 后端成熟，内存使用高效。
  
• 轻松扩展：编写新的神经网络模块或与张量 API 交互简单，支持用 Python 或 C/C++ 编写扩展。
  

安装方式

• 二进制安装：可通过 Conda 或 pip 安装，具体命令见 官网。NVIDIA Jetson 平台有专门的 Python 轮子和 L4T 容器。
  
• 从源码安装：需要 Python 3.10 及以上版本、支持 C++17 的编译器，Windows 还需 Visual Studio 或 Visual Studio Build Tool。支持 NVIDIA CUDA、AMD ROCm 和 Intel GPU 等不同硬件，安装过程包括获取源码、安装依赖和安装 PyTorch 等步骤，还可调整构建选项。
  
• Docker 镜像：可使用预构建的镜像，也能自己构建。
  
• 文档构建：需要 Sphinx 和 pytorch_sphinx_theme2，可构建多种格式的文档，包括 PDF。
  

应用场景

• 替代 NumPy：利用 GPU 进行科学计算。
  
• 深度学习研究：作为研究平台，提供最大的灵活性和速度。
  

私藏本地AI神器AgenticSeek，隐私无忧还能自主干活！

agenticSeek 是一个完全本地运行的自主智能体AI工具。简单讲，它是一个无需联网、不依赖API、能在本地自动思考、浏览网页和编写代码的AI助手，只需付出电费成本。适用人群：注重隐私、希望低成本使用AI进行自动化任务的开发者和技术爱好者。
项目地址：https://github.com/Fosowl/agenticSeek
主要语言：Python
stars: 23.1k

项目概述

AgenticSeek 是一款 100% 本地化的 AI 助手，作为 Manus AI 的替代方案，它能在保证数据完全存储在本地设备的前提下，自主浏览网页、编写代码和规划任务。该项目专为本地推理模型设计，无需依赖云端，保障了用户数据的隐私安全。
项目优势

• 完全本地与隐私保护：所有操作都在本地设备上运行，无需云端支持，不会进行数据共享，确保用户的文件、对话和搜索记录的隐私性。
  
• 智能网页浏览：可自动进行网页搜索、阅读、信息提取和表单填写等操作，无需人工干预。
  
• 自主编程助手：能够独立编写、调试和运行 Python、C、Go、Java 等多种编程语言的程序。
  
• 智能代理选择：根据用户的需求自动选择最合适的代理，如同拥有一支专业团队随时提供帮助。
  
• 复杂任务规划与执行：可以将大型任务分解为多个步骤，并利用多个 AI 代理完成，适用于旅行规划和复杂项目等场景。
  
• 语音交互功能：支持语音输入和输出，让用户能像在科幻电影中与个人 AI 交流一样与它对话（该功能正在开发中）。
  

安装与配置

前提条件

• Git：用于克隆项目仓库。
  
• Python 3.10.x：建议使用此版本，其他版本可能导致依赖错误。
  
• Docker Engine 与 Docker Compose：用于运行如 SearxNG 等捆绑服务。
  

安装步骤

• 克隆仓库并设置：
  

1. git clone https://github.com/Fosowl/agenticSeek.git
2. cd agenticSeek
3. mv .env.example .env

复制代码

• 修改 .env 文件内容：根据需要更新文件中的各项配置，如服务端口、工作目录和 API 密钥等。API 密钥对于选择本地运行 LLM 的用户是可选的。
  
• 启动 Docker：确保 Docker 已安装并运行，可通过相应命令启动 Docker 服务，并使用 docker info 验证其是否正常运行。
  

运行模式

本地运行 LLM

• 硬件要求：运行本地 LLM 需要足够的硬件资源，至少需要一个能够运行 Magistral、Qwen 或 Deepseek 14B 的 GPU。
  
• 配置本地提供商：选择合适的本地提供商（如 Ollama、LM Studio 等），启动服务并更新 config.ini 文件中的相关配置。
  

使用 API 运行

• 选择 API 提供商并获取 API 密钥：可选择 OpenAI、Google Gemini 等提供商，访问其网站注册并获取 API 密钥。
  
• 设置环境变量：将 API密钥设置为环境变量，不同操作系统的设置方法不同。
  
• 更新 config.ini 文件：将 is_local 设置为 False，并根据选择的提供商和模型更新相应配置。
  

启动服务与运行

Docker 模式（使用 Web 界面）

1. ./start_services.sh full # MacOS
2. start start_services.cmd full # Windows

复制代码

此步骤可能需要下载和加载 Docker 镜像，耗时较长。启动服务后，等待后端服务完全运行，然后访问 http://localhost:3000/ 即可看到 Web 界面。
CLI 模式

先在主机上安装相关包，修改 config.ini 中的 SEARXNG_BASE_URL，启动所需服务，最后使用 uv run cli.py 运行 CLI 界面。
使用方法

确保服务已启动，可通过 Web 界面或 CLI 界面与 AgenticSeek 交互。输入查询后，它会自动分配最合适的代理执行任务。由于该项目处于早期原型阶段，建议用户在提问时尽量明确需求。
语音识别功能

目前语音识别功能仅支持 CLI 模式和英语。要启用该功能，需在 config.ini 文件中将 listen 设置为 True，并设置 agent_name 作为触发关键词。
配置说明

config.ini 文件包含了项目的主要配置信息，分为 [MAIN] 和 [BROWSER] 两个部分，分别用于设置 LLM 提供商、会话恢复、语音功能和浏览器模式等参数。
故障排除

文档中详细列出了常见问题及解决方案，如 ChromeDriver 版本不兼容、连接适配器问题和 SearxNG 基础 URL 未提供等。
常见问题解答

• 硬件要求：不同模型大小对 GPU 的 VRAM 要求不同，建议根据实际需求选择合适的硬件。
  
• 错误处理：确保本地服务运行正常，config.ini 文件配置正确，依赖项已安装。如问题仍未解决，可提交问题报告。
  
• 本地运行：使用 Ollama、LM Studio 或 server 提供商时，所有语音识别、LLM 和文本转语音模型均可在本地运行。
  
• 与 Manus 的比较：AgenticSeek 更注重独立性、隐私保护和避免 API 成本。
  
• 项目团队：由开发者及其两位朋友维护，还有来自开源社区的贡献者。
  

来源：程序园用户自行投稿发布，如果侵权，请联系站长删除
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！

谢谢分享，辛苦了