{"id":88000,"date":"2021-09-13T17:44:26","date_gmt":"2021-09-13T16:44:26","guid":{"rendered":"https:\/\/datascientest.com\/?p=88000"},"modified":"2023-11-09T14:06:00","modified_gmt":"2023-11-09T14:06:00","slug":"pytorch-tout-savoir","status":"publish","type":"post","link":"https:\/\/datascientest.com\/pytorch-tout-savoir","title":{"rendered":"PyTorch : tout savoir sur le framework de Deep Learning de Facebook"},"content":{"rendered":"\t\t<div data-elementor-type=\"wp-post\" data-elementor-id=\"88000\" class=\"elementor elementor-88000\" data-elementor-post-type=\"post\">\n\t\t\t\t\t\t\t\t\t<section class=\"elementor-section elementor-top-section elementor-element elementor-element-8712de5 elementor-section-boxed elementor-section-height-default elementor-section-height-default\" data-id=\"8712de5\" data-element_type=\"section\">\n\t\t\t\t\t\t<div class=\"elementor-container elementor-column-gap-default\">\n\t\t\t\t\t<div class=\"elementor-column elementor-col-100 elementor-top-column elementor-element elementor-element-528b953\" data-id=\"528b953\" data-element_type=\"column\">\n\t\t\t<div class=\"elementor-widget-wrap elementor-element-populated\">\n\t\t\t\t\t\t\t\t<div class=\"elementor-element elementor-element-93a08aa elementor-widget elementor-widget-text-editor\" data-id=\"93a08aa\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<style>\/*! elementor - v3.15.0 - 02-08-2023 *\/\n.elementor-widget-text-editor.elementor-drop-cap-view-stacked .elementor-drop-cap{background-color:#69727d;color:#fff}.elementor-widget-text-editor.elementor-drop-cap-view-framed .elementor-drop-cap{color:#69727d;border:3px solid;background-color:transparent}.elementor-widget-text-editor:not(.elementor-drop-cap-view-default) .elementor-drop-cap{margin-top:8px}.elementor-widget-text-editor:not(.elementor-drop-cap-view-default) .elementor-drop-cap-letter{width:1em;height:1em}.elementor-widget-text-editor .elementor-drop-cap{float:left;text-align:center;line-height:1;font-size:50px}.elementor-widget-text-editor .elementor-drop-cap-letter{display:inline-block}<\/style>\t\t\t\t<h2>Le langage\u00a0Python\u00a0\u00e9tant un des plus utilis\u00e9s, il contient \u00e9norm\u00e9ment de frameworks, et beaucoup sont d\u00e9velopp\u00e9s exclusivement pour la\u00a0Data Science. Dans cet article, nous allons donc vous parler en d\u00e9tail de l\u2019un d\u2019entre eux :\u00a0PyTorch.<\/h2>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-5f4ad57 elementor-widget elementor-widget-text-editor\" data-id=\"5f4ad57\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"color: #000000;\">La popularit\u00e9 de la Data Science ne cesse de cro\u00eetre ces derni\u00e8res ann\u00e9es, et cela entra\u00eene une explosion des ressources mises \u00e0 dispositions des programmeurs : il n\u2019est plus n\u00e9cessaire de tout coder \u00e0 la main. Des environnements de programmation tels que <a href=\"https:\/\/pytorch.org\/\">Pytorch<\/a>, dits \u00ab frameworks \u00bb, permettent d\u2019utiliser des mod\u00e8les complexes en seulement quelques lignes.<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-1f52054 elementor-widget elementor-widget-heading\" data-id=\"1f52054\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<style>\/*! elementor - v3.15.0 - 02-08-2023 *\/\n.elementor-heading-title{padding:0;margin:0;line-height:1}.elementor-widget-heading .elementor-heading-title[class*=elementor-size-]>a{color:inherit;font-size:inherit;line-height:inherit}.elementor-widget-heading .elementor-heading-title.elementor-size-small{font-size:15px}.elementor-widget-heading .elementor-heading-title.elementor-size-medium{font-size:19px}.elementor-widget-heading .elementor-heading-title.elementor-size-large{font-size:29px}.elementor-widget-heading .elementor-heading-title.elementor-size-xl{font-size:39px}.elementor-widget-heading .elementor-heading-title.elementor-size-xxl{font-size:59px}<\/style><h3 class=\"elementor-heading-title elementor-size-default\">L'histoire de Pytorch<\/h3>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-86f0e87 elementor-widget elementor-widget-text-editor\" data-id=\"86f0e87\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"color: #000000;\"><span style=\"font-weight: 400;\">Les <\/span><a href=\"https:\/\/datascientest.com\/quest-ce-quun-framework\">frameworks<\/a> permettent de donner un <strong>cadre de travail<\/strong> et des <strong>outils<\/strong> pour <strong>faciliter la programmation<\/strong><span style=\"font-weight: 400;\">. Ils sont g\u00e9n\u00e9ralement <\/span><b>d\u00e9velopp\u00e9s en \u00ab open source \u00bb<\/b><span style=\"font-weight: 400;\">, c\u2019est-\u00e0-dire que le code est accessible et modifiable par tous, ce qui permet fiabilit\u00e9, transparence et un entretien continu.<\/span><\/span><\/p><p><span style=\"color: #000000;\"><span style=\"font-weight: 400;\">PyTorch ne d\u00e9roge pas \u00e0 cette r\u00e8gle. Bas\u00e9 sur l\u2019ancienne librairie Torch, <\/span><b>PyTorch a \u00e9t\u00e9 lanc\u00e9e officiellement en 2016 par une \u00e9quipe du laboratoire de recherche de Facebook<\/b><span style=\"font-weight: 400;\">, et est depuis d\u00e9velopp\u00e9 en open source. L\u2019objectif de ce framework est de permettre <\/span><b>l\u2019impl\u00e9mentation et l\u2019entra\u00eenement de mod\u00e8les de<\/b> <a href=\"https:\/\/datascientest.com\/deep-learning\">Deep Learning <\/a>de mani\u00e8re simple et efficiente. Sa fusion en 2018 avec <a href=\"https:\/\/caffe2.ai\/\">Caffe2<\/a> (un autre framework de <a href=\"https:\/\/datascientest.com\/python-tout-savoir\">Python<\/a>) a permis d\u2019am\u00e9liorer encore plus ses performances.<\/span><\/p><p><span style=\"color: #000000;\"><span style=\"font-weight: 400;\">Pytorch est aujourd\u2019hui utilis\u00e9 par 17% des d\u00e9veloppeurs Python (<\/span><\/span><a href=\"https:\/\/www.jetbrains.com\/lp\/python-developers-survey-2020\/\"><span style=\"font-weight: 400;\">\u00e9tude Python Foundation 2020<\/span><\/a><span style=\"font-weight: 400;\">)<\/span><span style=\"color: #000000;\"><span style=\"font-weight: 400;\">, et dans de nombreuses entreprises comme Tesla, Uber etc.<\/span><\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-18a7bba elementor-align-center button-principale elementor-widget elementor-widget-button\" data-id=\"18a7bba\" data-element_type=\"widget\" data-widget_type=\"button.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"elementor-button-wrapper\">\n\t\t\t<a class=\"elementor-button elementor-button-link elementor-size-sm elementor-animation-grow\" href=\"\/formation-data-scientist\">\n\t\t\t\t\t\t<span class=\"elementor-button-content-wrapper\">\n\t\t\t\t\t\t<span class=\"elementor-button-text\">Apprendre \u00e0 utiliser PyTorch<\/span>\n\t\t<\/span>\n\t\t\t\t\t<\/a>\n\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-6286ebc elementor-widget elementor-widget-heading\" data-id=\"6286ebc\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h2 class=\"elementor-heading-title elementor-size-default\">Pytorch vs Keras vs Tensorflow<\/h2>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-533980b elementor-widget elementor-widget-text-editor\" data-id=\"533980b\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400; color: #000000;\">Il semble difficile de pr\u00e9senter PyTorch sans prendre le temps de parler de ses alternatives, toutes cr\u00e9\u00e9es \u00e0 quelques ann\u00e9es d\u2019intervalle avec sensiblement le m\u00eame objectif mais des m\u00e9thodes diff\u00e9rentes.<\/span><\/p><p><a href=\"\/keras\">Keras<\/a><span style=\"color: #000000;\"><span style=\"font-weight: 400;\"> a \u00e9t\u00e9 d\u00e9velopp\u00e9 en mars 2015 par Fran\u00e7ois Chollet, chercheur chez Google. <\/span><span style=\"font-weight: 400;\">Keras a vite gagn\u00e9 en popularit\u00e9 gr\u00e2ce \u00e0 son<\/span><b> API facile \u00e0 utiliser<\/b><span style=\"font-weight: 400;\">, qui s\u2019inspire grandement de <a href=\"https:\/\/datascientest.com\/tout-savoir-sur-scikit-learn\">scikit-learn<\/a>, la librairie de Machine Learning standard de Python.<\/span><\/span><\/p><p><span style=\"font-weight: 400; color: #000000;\">Quelques mois plus tard, en novembre 2015, Google a publi\u00e9 une premi\u00e8re version de<\/span><a href=\"\/tensorflow\"> TensorFlow<\/a><span style=\"color: #000000;\"><span style=\"font-weight: 400;\"> qui est vite devenu le <\/span><b>framework de r\u00e9f\u00e9rence en Deep Learning<\/b><span style=\"font-weight: 400;\">, car il permet d\u2019utiliser Keras. Tensorflow a \u00e9galement mis au point un certain nombre de fonctionnalit\u00e9s en apprentissage profond dont les chercheurs avaient besoin pour <\/span><b>cr\u00e9er facilement des<\/b><\/span><a href=\"https:\/\/datascientest.com\/deep-neural-network\"> r\u00e9seaux de neurones complex<\/a><span style=\"font-weight: 400;\">.<\/span><\/p><p><span style=\"font-weight: 400; color: #000000;\">Keras \u00e9tait donc tr\u00e8s simple \u00e0 utiliser, mais n\u2019avait pas certaines fonctionnalit\u00e9s \u00ab bas niveau \u00bb ou certaines personnalisations n\u00e9cessaires aux mod\u00e8les de pointe. \u00c0 l\u2019inverse, Tensorflow donnait acc\u00e8s \u00e0 ces fonctions, mais ne ressemblait pas au style habituel de Python et avait une documentation tr\u00e8s compliqu\u00e9e pour les n\u00e9ophytes.<\/span><\/p><p><span style=\"color: #000000;\"><b>PyTorch a r\u00e9solu ces probl\u00e8mes<\/b><span style=\"font-weight: 400;\"> en cr\u00e9ant une API \u00e0 la fois accessible et facile \u00e0 personnaliser, permettant de cr\u00e9er de nouveaux types de r\u00e9seaux, des optimiseurs et des architectures in\u00e9dites.<\/span><\/span><\/p><p><span style=\"color: #000000;\"><span style=\"font-weight: 400;\">Ceci-dit, <\/span><b>les \u00e9volutions r\u00e9centes de ces frameworks ont grandement rapproch\u00e9 leur mode de fonctionnement<\/b><span style=\"font-weight: 400;\">. Avant de rentrer dans les d\u00e9tails techniques de PyTorch, voici un <\/span><b>tableau r\u00e9capitulatif des diff\u00e9rences entre ces outils<\/b><span style=\"font-weight: 400;\">. Keras et Tensorflow fonctionnant dor\u00e9navant de pair, il est plus pertinent de les pr\u00e9senter conjointement.<\/span><\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-e9d8db8 elementor-widget elementor-widget-image\" data-id=\"e9d8db8\" data-element_type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<style>\/*! elementor - v3.15.0 - 02-08-2023 *\/\n.elementor-widget-image{text-align:center}.elementor-widget-image a{display:inline-block}.elementor-widget-image a img[src$=\".svg\"]{width:48px}.elementor-widget-image img{vertical-align:middle;display:inline-block}<\/style>\t\t\t\t\t\t\t\t\t\t\t\t<img decoding=\"async\" width=\"800\" height=\"470\" src=\"https:\/\/datascientest.com\/wp-content\/uploads\/2021\/09\/Schema-tableau-Keras-TensorFlow-PyTorch-1024x601.png\" class=\"attachment-large size-large wp-image-99788\" alt=\"tableau keras\" srcset=\"https:\/\/datascientest.com\/wp-content\/uploads\/2021\/09\/Schema-tableau-Keras-TensorFlow-PyTorch-1024x601.png 1024w, https:\/\/datascientest.com\/wp-content\/uploads\/2021\/09\/Schema-tableau-Keras-TensorFlow-PyTorch-300x176.png 300w, https:\/\/datascientest.com\/wp-content\/uploads\/2021\/09\/Schema-tableau-Keras-TensorFlow-PyTorch-768x451.png 768w, https:\/\/datascientest.com\/wp-content\/uploads\/2021\/09\/Schema-tableau-Keras-TensorFlow-PyTorch-1536x902.png 1536w, https:\/\/datascientest.com\/wp-content\/uploads\/2021\/09\/Schema-tableau-Keras-TensorFlow-PyTorch.png 2039w\" sizes=\"(max-width: 800px) 100vw, 800px\" \/>\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-92758c2 elementor-align-center button-principale elementor-widget elementor-widget-button\" data-id=\"92758c2\" data-element_type=\"widget\" data-widget_type=\"button.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"elementor-button-wrapper\">\n\t\t\t<a class=\"elementor-button elementor-button-link elementor-size-sm elementor-animation-grow\" href=\"\/formation-data-scientist\">\n\t\t\t\t\t\t<span class=\"elementor-button-content-wrapper\">\n\t\t\t\t\t\t<span class=\"elementor-button-text\">Devenir un expert de PyTorch<\/span>\n\t\t<\/span>\n\t\t\t\t\t<\/a>\n\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-6beab08 elementor-widget elementor-widget-heading\" data-id=\"6beab08\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h3 class=\"elementor-heading-title elementor-size-default\">Utilisation de PyTorch pour le Deep Learning<\/h3>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-592a08b elementor-widget elementor-widget-text-editor\" data-id=\"592a08b\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"color: #000000;\"><span style=\"font-weight: 400;\">Nous avons parl\u00e9 de la complexit\u00e9 des mod\u00e8les et des r\u00e9seaux sans parler de la vitesse d\u2019ex\u00e9cution des algorithmes. En effet, <\/span><b>PyTorch est pens\u00e9 pour minimiser ce temps et utiliser au mieux les sp\u00e9cificit\u00e9s du hardware<\/b><span style=\"font-weight: 400;\">.<\/span><\/span><\/p><p><span style=\"color: #000000;\"><span style=\"font-weight: 400;\">PyTorch repr\u00e9sente les donn\u00e9es sous forme de tableaux multidimensionnels, similaires aux tableaux NumPy, appel\u00e9s \u00ab <\/span><b>tenseurs<\/b><span style=\"font-weight: 400;\"> \u00bb.<\/span><span style=\"font-weight: 400;\"> Les tenseurs stockent les inputs du r\u00e9seau de neurones, les param\u00e8tres des hidden layers et les outputs. \u00c0 partir de ces tenseurs, PyTorch peut effectuer, de mani\u00e8re cach\u00e9e et efficace, 4 \u00e9tapes pour entra\u00eener le r\u00e9seau :<\/span><\/span><\/p><ul><li><span style=\"color: #000000;\"><b>Assembler un graphe<\/b><span style=\"font-weight: 400;\"> \u00e0 partir des tenseurs du r\u00e9seau de neurones, ce qui permet une structure dynamique, il est possible de modifier le r\u00e9seau de neurones (nombre de noeuds, connexions entre eux&#8230;) durant l\u2019apprentissage.<\/span><\/span><\/li><li><span style=\"color: #000000;\"><b>Effectuer les pr\u00e9dictions<\/b><span style=\"font-weight: 400;\"> du r\u00e9seau (\u00ab forward pass \u00bb)<\/span><\/span><\/li><li><span style=\"color: #000000;\"><b>Calculer la perte<\/b><span style=\"font-weight: 400;\"> ou erreur par rapport aux pr\u00e9dictions<\/span><\/span><\/li><li><span style=\"color: #000000;\"><span style=\"font-weight: 400;\">Traverser le r\u00e9seau en sens inverse : \u00ab <\/span><b>backpropagation<\/b><span style=\"font-weight: 400;\"> \u00bb, et ajuster les tenseurs afin que le r\u00e9seau fasse des pr\u00e9dictions plus pr\u00e9cises sur la base de la perte\/erreur calcul\u00e9e.<\/span><\/span><\/li><\/ul>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-764ba5c elementor-widget elementor-widget-video\" data-id=\"764ba5c\" data-element_type=\"widget\" data-settings=\"{&quot;youtube_url&quot;:&quot;https:\\\/\\\/youtu.be\\\/Ka4AnSXxF2g&quot;,&quot;video_type&quot;:&quot;youtube&quot;,&quot;controls&quot;:&quot;yes&quot;}\" data-widget_type=\"video.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<style>\/*! elementor - v3.15.0 - 02-08-2023 *\/\n.elementor-widget-video .elementor-widget-container{overflow:hidden;transform:translateZ(0)}.elementor-widget-video .elementor-wrapper{aspect-ratio:var(--video-aspect-ratio)}.elementor-widget-video .elementor-wrapper iframe,.elementor-widget-video .elementor-wrapper video{height:100%;width:100%;display:flex;border:none;background-color:#000}@supports not (aspect-ratio:1\/1){.elementor-widget-video .elementor-wrapper{position:relative;overflow:hidden;height:0;padding-bottom:calc(100% \/ var(--video-aspect-ratio))}.elementor-widget-video .elementor-wrapper iframe,.elementor-widget-video .elementor-wrapper video{position:absolute;top:0;right:0;bottom:0;left:0}}.elementor-widget-video .elementor-open-inline .elementor-custom-embed-image-overlay{position:absolute;top:0;right:0;bottom:0;left:0;background-size:cover;background-position:50%}.elementor-widget-video .elementor-custom-embed-image-overlay{cursor:pointer;text-align:center}.elementor-widget-video .elementor-custom-embed-image-overlay:hover .elementor-custom-embed-play i{opacity:1}.elementor-widget-video .elementor-custom-embed-image-overlay img{display:block;width:100%;aspect-ratio:var(--video-aspect-ratio);-o-object-fit:cover;object-fit:cover;-o-object-position:center center;object-position:center center}@supports not (aspect-ratio:1\/1){.elementor-widget-video .elementor-custom-embed-image-overlay{position:relative;overflow:hidden;height:0;padding-bottom:calc(100% \/ var(--video-aspect-ratio))}.elementor-widget-video .elementor-custom-embed-image-overlay img{position:absolute;top:0;right:0;bottom:0;left:0}}.elementor-widget-video .e-hosted-video .elementor-video{-o-object-fit:cover;object-fit:cover}.e-con-inner>.elementor-widget-video,.e-con>.elementor-widget-video{width:var(--container-widget-width);--flex-grow:var(--container-widget-flex-grow)}<\/style>\t\t<div class=\"elementor-wrapper elementor-open-inline\">\n\t\t\t<div class=\"elementor-video\"><\/div>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-05c6309 elementor-widget elementor-widget-text-editor\" data-id=\"05c6309\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"color: #000000;\"><span style=\"font-weight: 400;\">Cette fonction de PyTorch appel\u00e9e \u00ab <\/span><b>Autograd<\/b><span style=\"font-weight: 400;\"> \u00bb est tr\u00e8s optimis\u00e9e, et est <\/span><b>compatible avec l\u2019utilisation des GPUs et le data parallelism<\/b><span style=\"font-weight: 400;\">, ce qui acc\u00e9l\u00e8re consid\u00e9rablement les calculs. Par ailleurs, cela permet une utilisation sur tous les clouds, alors que Tensorflow par exemple n\u2019est optimis\u00e9 que pour GoogleCloud et ses TPU.<\/span><\/span><\/p><p><span style=\"font-weight: 400;\"><span style=\"color: #000000;\">R\u00e9cemment, et en partenariat avec AWS (Amazon Web Services), Pytorch a devoil\u00e9 2 nouvelles fonctionnalit\u00e9s. La premi\u00e8re, baptis\u00e9e TorchServe, permet de g\u00e9rer efficacement le d\u00e9ploiement de r\u00e9seaux de neurones d\u00e9j\u00e0 entra\u00een\u00e9s. La seconde, TorchElastic, permet d\u2019utiliser Pytorch sur des clusters <\/span><\/span><a href=\"https:\/\/datascientest.com\/kubernetes-data-science\">Kubernetes<\/a><span style=\"font-weight: 400; color: #000000;\"> tout en \u00e9tant r\u00e9sistant aux pannes.\u00a0<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-c74658f elementor-widget elementor-widget-text-editor\" data-id=\"c74658f\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"color: #000000;\"><span style=\"font-weight: 400;\">Ces 3 frameworks ont donc leur propre sp\u00e9cificit\u00e9. En particulier<\/span><b> PyTorch est tr\u00e8s adapt\u00e9 pour les r\u00e9seaux de neurones complexes et profonds<\/b><span style=\"font-weight: 400;\">. <\/span><\/span><span style=\"font-weight: 400; color: #000000;\">Pour d\u00e9couvrir PyTorch, le site officiel propose des<\/span><a href=\"https:\/\/pytorch.org\/tutorials\/\"> tutoriels<\/a><span style=\"font-weight: 400;\">.<\/span><\/p><p><span style=\"color: #000000;\"><span style=\"font-weight: 400;\"> Pour approfondir votre pratique de ce framework, notre<\/span> <a href=\"\/formation-data-scientist\">formation de Data Scientist<\/a><span style=\"font-weight: 400;\"> propose des <\/span><b>modules d\u2019enseignement d\u00e9di\u00e9s au Deep Learning avec PyTorch<\/b><span style=\"font-weight: 400;\">.<\/span><\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-9f300a7 elementor-align-center button-principale elementor-widget elementor-widget-button\" data-id=\"9f300a7\" data-element_type=\"widget\" data-widget_type=\"button.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"elementor-button-wrapper\">\n\t\t\t<a class=\"elementor-button elementor-button-link elementor-size-sm elementor-animation-grow\" href=\"\/formation-data-scientist\">\n\t\t\t\t\t\t<span class=\"elementor-button-content-wrapper\">\n\t\t\t\t\t\t<span class=\"elementor-button-text\">Se former \u00e0 PyTorch<\/span>\n\t\t<\/span>\n\t\t\t\t\t<\/a>\n\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t<section class=\"elementor-section elementor-top-section elementor-element elementor-element-dfc17ce elementor-section-boxed elementor-section-height-default elementor-section-height-default\" data-id=\"dfc17ce\" data-element_type=\"section\">\n\t\t\t\t\t\t<div class=\"elementor-container elementor-column-gap-default\">\n\t\t\t\t\t<div class=\"elementor-column elementor-col-100 elementor-top-column elementor-element elementor-element-e9bfb0b\" data-id=\"e9bfb0b\" data-element_type=\"column\">\n\t\t\t<div class=\"elementor-widget-wrap elementor-element-populated\">\n\t\t\t\t\t\t\t\t<div class=\"elementor-element elementor-element-1730e19 elementor-widget elementor-widget-heading\" data-id=\"1730e19\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h3 class=\"elementor-heading-title elementor-size-default\">Pourquoi utiliser PyTorch ?<\/h3>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-1b24f2c elementor-widget elementor-widget-text-editor\" data-id=\"1b24f2c\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p>PyTorch est une biblioth\u00e8que <strong>d\u2019apprentissage automatique<\/strong> assez r\u00e9cente, mais elle dispose d\u2019un grand nombre de <strong>manuels et de tutoriels<\/strong> o\u00f9 il est possible de trouver des exemples. Elle dispose \u00e9galement d\u2019une <strong>communaut\u00e9<\/strong> qui se d\u00e9veloppe \u00e0 pas de g\u00e9ant.<\/p><p>PyTorch dispose d\u2019une <strong>interface tr\u00e8s simple<\/strong> pour la cr\u00e9ation de r\u00e9seaux neuronaux bien qu\u2019il soit n\u00e9cessaire de travailler directement avec les tensors sans avoir besoin d\u2019une biblioth\u00e8que de plus haut niveau comme Keras pour Theano ou Tensorflow.<\/p><p>Contrairement \u00e0 d\u2019autres outils d\u2019apprentissage automatique tels que Tensorflow, PyTorch fonctionne avec des <strong>graphes dynamiques<\/strong> plut\u00f4t que statiques. Cela signifie qu\u2019au moment de l\u2019ex\u00e9cution, les fonctions peuvent \u00eatre modifi\u00e9es et que le <strong>calcul des gradients variera avec elles<\/strong>. En revanche, dans Tensorflow, il faut tout d\u2019abord d\u00e9finir le graphe de calcul, puis utiliser la session pour calculer les r\u00e9sultats du tensor, ce qui rend le d\u00e9bogage du code plus difficile et la mise en \u0153uvre plus fastidieuse.<\/p><p>PyTorch est compatible avec les <strong>cartes graphiques<\/strong> (GPU). Il utilise en interne <a href=\"https:\/\/fr.wikipedia.org\/wiki\/Compute_Unified_Device_Architecture\">CUDA<\/a>, une API qui relie le CPU au GPU et qui a \u00e9t\u00e9 <strong>d\u00e9velopp\u00e9e par NVIDIA<\/strong>.<\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-b601af6 elementor-widget elementor-widget-heading\" data-id=\"b601af6\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h3 class=\"elementor-heading-title elementor-size-default\">Avantages de PyTorch<\/h3>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-48cf8b5 elementor-widget elementor-widget-text-editor\" data-id=\"48cf8b5\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p>Bien que PyTorch pr\u00e9sente de <strong>nombreux avantages<\/strong>, nous nous concentrerons ici sur quelques-uns.<\/p>\n<p><b>&nbsp; &nbsp; &nbsp; 1. PyTorch et Python<\/b><\/p>\n<p>La plupart des travaux li\u00e9s \u00e0 l\u2019apprentissage automatique et \u00e0 l\u2019Intelligence Artificielle sont effectu\u00e9s \u00e0 l\u2019aide de Python. Or, PyTorch et Python sont de la <strong>m\u00eame famille<\/strong>, ce qui signifie que les d\u00e9veloppeurs Python devraient se sentir <strong>plus \u00e0 l\u2019aise<\/strong> lorsqu\u2019ils codent avec PyTorch qu\u2019avec d\u2019autres frameworks de Deep Learning.<\/p>\n<p><b>&nbsp; &nbsp; &nbsp; 2. Facile \u00e0 apprendre<\/b><\/p>\n<p>Comme le langage Python, PyTorch est consid\u00e9r\u00e9 comme relativement <strong>plus facile<\/strong> \u00e0 apprendre par rapport \u00e0 d\u2019autres frameworks. La raison principale est due \u00e0 sa syntaxe simple et intuitive.<\/p>\n<p><b>&nbsp; &nbsp; &nbsp; 3. Communaut\u00e9 forte<\/b><\/p>\n<p>Bien que PyTorch soit un framework relativement r\u00e9cent, il a d\u00e9velopp\u00e9 tr\u00e8s rapidement une <strong>communaut\u00e9 d\u00e9di\u00e9e<\/strong> de d\u00e9veloppeurs. De plus, la documentation de PyTorch est tr\u00e8s organis\u00e9e et utile pour les d\u00e9butants.<\/p>\n<p><b>&nbsp; &nbsp; &nbsp; 4. D\u00e9bogage facile<\/b><\/p>\n<p>PyTorch est <strong>profond\u00e9ment int\u00e9gr\u00e9<\/strong> \u00e0 Python, \u00e0 tel point que de nombreux outils de d\u00e9bogage Python peuvent \u00eatre facilement utilis\u00e9s avec.<\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-1d82b22 elementor-widget elementor-widget-html\" data-id=\"1d82b22\" data-element_type=\"widget\" data-widget_type=\"html.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<script type=\"application\/ld+json\">\n{\n  \"@context\": \"https:\/\/schema.org\",\n  \"@type\": \"FAQPage\",\n  \"mainEntity\": [{\n    \"@type\": \"Question\",\n    \"name\": \"L'histoire de Pytorch\u200b\",\n    \"acceptedAnswer\": {\n      \"@type\": \"Answer\",\n      \"text\": \"Les frameworks permettent de donner un cadre de travail et des outils pour faciliter la programmation. Ils sont g\u00e9n\u00e9ralement d\u00e9velopp\u00e9s en \u00ab open source \u00bb, c\u2019est-\u00e0-dire que le code est accessible et modifiable par tous, ce qui permet fiabilit\u00e9, transparence et un entretien continu.\"\n    }\n  },{\n    \"@type\": \"Question\",\n    \"name\": \"Pytorch vs Keras vs Tensorflow\",\n    \"acceptedAnswer\": {\n      \"@type\": \"Answer\",\n      \"text\": \"Il semble difficile de pr\u00e9senter PyTorch sans prendre le temps de parler de ses alternatives, toutes cr\u00e9\u00e9es \u00e0 quelques ann\u00e9es d\u2019intervalle avec sensiblement le m\u00eame objectif mais des m\u00e9thodes diff\u00e9rentes.\"\n    }\n  },{\n    \"@type\": \"Question\",\n    \"name\": \"Utilisation de PyTorch pour le Deep Learning\",\n    \"acceptedAnswer\": {\n      \"@type\": \"Answer\",\n      \"text\": \"Nous avons parl\u00e9 de la complexit\u00e9 des mod\u00e8les et des r\u00e9seaux sans parler de la vitesse d\u2019ex\u00e9cution des algorithmes. En effet, PyTorch est pens\u00e9 pour minimiser ce temps et utiliser au mieux les sp\u00e9cificit\u00e9s du hardware.\"\n    }\n  }]\n}\n<\/script>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t<section class=\"elementor-section elementor-top-section elementor-element elementor-element-235a821 elementor-section-boxed elementor-section-height-default elementor-section-height-default\" data-id=\"235a821\" data-element_type=\"section\">\n\t\t\t\t\t\t<div class=\"elementor-container elementor-column-gap-default\">\n\t\t\t\t\t<div class=\"elementor-column elementor-col-100 elementor-top-column elementor-element elementor-element-7213265\" data-id=\"7213265\" data-element_type=\"column\">\n\t\t\t<div class=\"elementor-widget-wrap elementor-element-populated\">\n\t\t\t\t\t\t\t\t<div class=\"elementor-element elementor-element-9cc188b elementor-align-center button-principale elementor-widget elementor-widget-button\" data-id=\"9cc188b\" data-element_type=\"widget\" data-widget_type=\"button.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"elementor-button-wrapper\">\n\t\t\t<a class=\"elementor-button elementor-button-link elementor-size-sm elementor-animation-grow\" href=\"https:\/\/datascientest.com\/formations-data\">\n\t\t\t\t\t\t<span class=\"elementor-button-content-wrapper\">\n\t\t\t\t\t\t<span class=\"elementor-button-text\">D\u00e9couvrir nos formations en Data Science<\/span>\n\t\t<\/span>\n\t\t\t\t\t<\/a>\n\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t\t\t\t<\/div>\n\t\t","protected":false},"excerpt":{"rendered":"<p>Le langage&nbsp;Python&nbsp;\u00e9tant un des plus utilis\u00e9s, il contient \u00e9norm\u00e9ment de frameworks, et beaucoup sont d\u00e9velopp\u00e9s exclusivement pour la&nbsp;Data Science. Dans cet article, nous allons donc vous parler en d\u00e9tail de l\u2019un d\u2019entre eux :&nbsp;PyTorch. La popularit\u00e9 de la Data Science ne cesse de cro\u00eetre ces derni\u00e8res ann\u00e9es, et cela entra\u00eene une explosion des ressources mises [&hellip;]<\/p>\n","protected":false},"author":78,"featured_media":99798,"comment_status":"open","ping_status":"open","sticky":false,"template":"elementor_theme","format":"standard","meta":{"content-type":"","inline_featured_image":false},"categories":[2497],"tags":[],"yoast_head":"<!-- This site is optimized with the Yoast SEO Premium plugin v21.7 (Yoast SEO v21.7) - https:\/\/yoast.com\/wordpress\/plugins\/seo\/ -->\n<title>PyTorch : tout savoir sur le framework de Deep Learning de Facebook<\/title>\n<meta name=\"description\" content=\"Le langage Python \u00e9tant un des plus utilis\u00e9s, il contient \u00e9norm\u00e9ment de frameworks, et beaucoup sont d\u00e9velopp\u00e9s exclusivement pour la Data Science. Dans cet article, nous allons donc vous parler en d\u00e9tail de l\u2019un d\u2019entre eux : PyTorch.\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/datascientest.com\/pytorch-tout-savoir\" \/>\n<meta property=\"og:locale\" content=\"fr_FR\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"PyTorch : tout savoir sur le framework de Deep Learning de Facebook\" \/>\n<meta property=\"og:url\" content=\"https:\/\/datascientest.com\/pytorch-tout-savoir\" \/>\n<meta property=\"og:site_name\" content=\"Formation Data Science | DataScientest.com\" \/>\n<meta property=\"article:published_time\" content=\"2021-09-13T16:44:26+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2023-11-09T14:06:00+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/datascientest.com\/wp-content\/uploads\/2021\/09\/illu_pytorch-49.png\" \/>\n\t<meta property=\"og:image:width\" content=\"1024\" \/>\n\t<meta property=\"og:image:height\" content=\"562\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/png\" \/>\n<meta name=\"author\" content=\"J\u00e9r\u00e9my Robert\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"\u00c9crit par\" \/>\n\t<meta name=\"twitter:data1\" content=\"J\u00e9r\u00e9my Robert\" \/>\n\t<meta name=\"twitter:label2\" content=\"Dur\u00e9e de lecture estim\u00e9e\" \/>\n\t<meta name=\"twitter:data2\" content=\"7 minutes\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"WebPage\",\"@id\":\"https:\/\/datascientest.com\/pytorch-tout-savoir\",\"url\":\"https:\/\/datascientest.com\/pytorch-tout-savoir\",\"name\":\"PyTorch : tout savoir sur le framework de Deep Learning de Facebook\",\"isPartOf\":{\"@id\":\"https:\/\/datascientest.com\/#website\"},\"datePublished\":\"2021-09-13T16:44:26+00:00\",\"dateModified\":\"2023-11-09T14:06:00+00:00\",\"author\":{\"@id\":\"https:\/\/datascientest.com\/#\/schema\/person\/7af2361c48e24e79a8aa2360e6e74925\"},\"description\":\"Le langage Python \u00e9tant un des plus utilis\u00e9s, il contient \u00e9norm\u00e9ment de frameworks, et beaucoup sont d\u00e9velopp\u00e9s exclusivement pour la Data Science. Dans cet article, nous allons donc vous parler en d\u00e9tail de l\u2019un d\u2019entre eux : PyTorch.\",\"inLanguage\":\"fr-FR\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/datascientest.com\/pytorch-tout-savoir\"]}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/datascientest.com\/#website\",\"url\":\"https:\/\/datascientest.com\/\",\"name\":\"Formation Data Science | DataScientest.com\",\"description\":\"Leader de la formation en Data Science\",\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/datascientest.com\/?s={search_term_string}\"},\"query-input\":\"required name=search_term_string\"}],\"inLanguage\":\"fr-FR\"},{\"@type\":\"Person\",\"@id\":\"https:\/\/datascientest.com\/#\/schema\/person\/7af2361c48e24e79a8aa2360e6e74925\",\"name\":\"J\u00e9r\u00e9my Robert\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"fr-FR\",\"@id\":\"https:\/\/datascientest.com\/#\/schema\/person\/image\/\",\"url\":\"https:\/\/datascientest.com\/wp-content\/uploads\/2023\/11\/jeremyrobert.jpeg\",\"contentUrl\":\"https:\/\/datascientest.com\/wp-content\/uploads\/2023\/11\/jeremyrobert.jpeg\",\"caption\":\"J\u00e9r\u00e9my Robert\"},\"description\":\"J\u00e9r\u00e9my Robert est actuellement Directeur p\u00e9dagogique B2B chez DataScientest.com. Avant de rejoindre DataScientest, il a travaill\u00e9 en tant que Consultant Business Intelligence chez DEAPDATA, o\u00f9 il a g\u00e9r\u00e9 des projets dans les domaines de l'assurance, bancaire et industrie. Il a \u00e9galement \u00e9t\u00e9 Co-fondateur et pr\u00e9sident de Tripzer. En tant que consultant ind\u00e9pendant, J\u00e9r\u00e9my a propos\u00e9 des formations sur MicroStrategy pour divers niveaux professionnels. Il est dipl\u00f4m\u00e9 de l'Universit\u00e9 Paris Cit\u00e9 avec un Master MIAGE, combinant comp\u00e9tences en informatique et gestion.\",\"sameAs\":[\"https:\/\/www.linkedin.com\/in\/jeremyrobert1\/\",\"Data Science\"],\"url\":\"https:\/\/datascientest.com\/author\/jeremyrobert\"}]}<\/script>\n<!-- \/ Yoast SEO Premium plugin. -->","yoast_head_json":{"title":"PyTorch : tout savoir sur le framework de Deep Learning de Facebook","description":"Le langage Python \u00e9tant un des plus utilis\u00e9s, il contient \u00e9norm\u00e9ment de frameworks, et beaucoup sont d\u00e9velopp\u00e9s exclusivement pour la Data Science. Dans cet article, nous allons donc vous parler en d\u00e9tail de l\u2019un d\u2019entre eux : PyTorch.","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/datascientest.com\/pytorch-tout-savoir","og_locale":"fr_FR","og_type":"article","og_title":"PyTorch : tout savoir sur le framework de Deep Learning de Facebook","og_url":"https:\/\/datascientest.com\/pytorch-tout-savoir","og_site_name":"Formation Data Science | DataScientest.com","article_published_time":"2021-09-13T16:44:26+00:00","article_modified_time":"2023-11-09T14:06:00+00:00","og_image":[{"width":1024,"height":562,"url":"https:\/\/datascientest.com\/wp-content\/uploads\/2021\/09\/illu_pytorch-49.png","type":"image\/png"}],"author":"J\u00e9r\u00e9my Robert","twitter_card":"summary_large_image","twitter_misc":{"\u00c9crit par":"J\u00e9r\u00e9my Robert","Dur\u00e9e de lecture estim\u00e9e":"7 minutes"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"WebPage","@id":"https:\/\/datascientest.com\/pytorch-tout-savoir","url":"https:\/\/datascientest.com\/pytorch-tout-savoir","name":"PyTorch : tout savoir sur le framework de Deep Learning de Facebook","isPartOf":{"@id":"https:\/\/datascientest.com\/#website"},"datePublished":"2021-09-13T16:44:26+00:00","dateModified":"2023-11-09T14:06:00+00:00","author":{"@id":"https:\/\/datascientest.com\/#\/schema\/person\/7af2361c48e24e79a8aa2360e6e74925"},"description":"Le langage Python \u00e9tant un des plus utilis\u00e9s, il contient \u00e9norm\u00e9ment de frameworks, et beaucoup sont d\u00e9velopp\u00e9s exclusivement pour la Data Science. Dans cet article, nous allons donc vous parler en d\u00e9tail de l\u2019un d\u2019entre eux : PyTorch.","inLanguage":"fr-FR","potentialAction":[{"@type":"ReadAction","target":["https:\/\/datascientest.com\/pytorch-tout-savoir"]}]},{"@type":"WebSite","@id":"https:\/\/datascientest.com\/#website","url":"https:\/\/datascientest.com\/","name":"Formation Data Science | DataScientest.com","description":"Leader de la formation en Data Science","potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/datascientest.com\/?s={search_term_string}"},"query-input":"required name=search_term_string"}],"inLanguage":"fr-FR"},{"@type":"Person","@id":"https:\/\/datascientest.com\/#\/schema\/person\/7af2361c48e24e79a8aa2360e6e74925","name":"J\u00e9r\u00e9my Robert","image":{"@type":"ImageObject","inLanguage":"fr-FR","@id":"https:\/\/datascientest.com\/#\/schema\/person\/image\/","url":"https:\/\/datascientest.com\/wp-content\/uploads\/2023\/11\/jeremyrobert.jpeg","contentUrl":"https:\/\/datascientest.com\/wp-content\/uploads\/2023\/11\/jeremyrobert.jpeg","caption":"J\u00e9r\u00e9my Robert"},"description":"J\u00e9r\u00e9my Robert est actuellement Directeur p\u00e9dagogique B2B chez DataScientest.com. Avant de rejoindre DataScientest, il a travaill\u00e9 en tant que Consultant Business Intelligence chez DEAPDATA, o\u00f9 il a g\u00e9r\u00e9 des projets dans les domaines de l'assurance, bancaire et industrie. Il a \u00e9galement \u00e9t\u00e9 Co-fondateur et pr\u00e9sident de Tripzer. En tant que consultant ind\u00e9pendant, J\u00e9r\u00e9my a propos\u00e9 des formations sur MicroStrategy pour divers niveaux professionnels. Il est dipl\u00f4m\u00e9 de l'Universit\u00e9 Paris Cit\u00e9 avec un Master MIAGE, combinant comp\u00e9tences en informatique et gestion.","sameAs":["https:\/\/www.linkedin.com\/in\/jeremyrobert1\/","Data Science"],"url":"https:\/\/datascientest.com\/author\/jeremyrobert"}]}},"_links":{"self":[{"href":"https:\/\/datascientest.com\/wp-json\/wp\/v2\/posts\/88000"}],"collection":[{"href":"https:\/\/datascientest.com\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/datascientest.com\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/datascientest.com\/wp-json\/wp\/v2\/users\/78"}],"replies":[{"embeddable":true,"href":"https:\/\/datascientest.com\/wp-json\/wp\/v2\/comments?post=88000"}],"version-history":[{"count":0,"href":"https:\/\/datascientest.com\/wp-json\/wp\/v2\/posts\/88000\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/datascientest.com\/wp-json\/wp\/v2\/media\/99798"}],"wp:attachment":[{"href":"https:\/\/datascientest.com\/wp-json\/wp\/v2\/media?parent=88000"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/datascientest.com\/wp-json\/wp\/v2\/categories?post=88000"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/datascientest.com\/wp-json\/wp\/v2\/tags?post=88000"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}