ستناقش هذه المدونة كيفية الحصول على أسس عناصر الموتر في PyTorch.
ما هو استخدام الأسس في PyTorch Tensors؟
تستخدم الشبكات العصبية نمطًا معقدًا لربط مدخلات متعددة بمخرجات متعددة في وقت واحد لتقليد عمل الدماغ البشري. تحت هذا الهيكل، يوجد هيكل معقد من الرياضيات الأساسية التي تجعل كل هذه الروابط ممكنة. الأسس هي ببساطة مفهوم آخر من الرياضيات يساعد على جعل حياة المبرمجين وعلماء البيانات أسهل بكثير.
الميزات الهامة لاستخدام الأسس في PyTorch مذكورة أدناه:
- الاستخدام الرئيسي للأسس هو جلب البيانات بأكملها ضمن نطاق مناسب لمعالجة أسرع.
- يمكن تصور معدل الاضمحلال بسهولة باستخدام الدوال الأسية.
- يمكن تصور أي نوع من البيانات التي تمتلك اتجاهًا أسيًا في اتجاه خطي من خلال استخدام مفهوم الأسي.
كيفية حساب الأسس لجميع عناصر Tensor في PyTorch؟
يعد استخدام Tensors لتخزين قيم البيانات ميزة رائعة لـ PyTorch نظرًا لجميع الوظائف وإمكانيات التلاعب التي توفرها الموترات. يعد حساب الأسس لعناصر الموتر الفردية أمرًا أساسيًا لإدارة البيانات ضمن حدود أصغر.
اتبع الخطوات الواردة أدناه لمعرفة كيفية الحصول على أسس عناصر الموتر الفردية في PyTorch:
الخطوة 1: إعداد كولاب
الخطوة الأولى هي إعداد IDE. يعد Colaboratory by Google خيارًا جيدًا نظرًا لوحدات معالجة الرسوميات المدمجة المتوفرة مجانًا لحساب الموترات. اذهب إلى كولاب موقع إلكتروني وافتح ' دفتر جديد 'كما هو موضح:
الخطوة 2: تثبيت واستيراد مكتبة Torch
يعتمد إطار عمل PyTorch على اتحاد لغة البرمجة Python ومكتبة Torch لتطوير نماذج التعلم العميق. تركيب واستيراد ' شعلة 'المكتبة ضرورية لبدء أي مشروع في PyTorch:
!pip تثبيت الشعلةاستيراد الشعلة
الكود أعلاه يعمل على النحو التالي:
- ال ' !pip يتم استخدام حزمة التثبيت بواسطة Python لتثبيت الحزم والمكتبات في PyTorch.
- التالي ' يستورد يُستخدم الأمر لاستدعاء المكتبات ووظائفها للمشروع:
الخطوة 3: تحديد موتر PyTorch ثنائي الأبعاد و1D
في هذا البرنامج التعليمي، سوف نوضح حساب أسس عناصر الموتر لكل من ' 1د ' و' 2D ' موتر PyTorch. نبدأ بتعريف هذه الموترات:
pytorch_tensor = شعلة. الموتر ( [ 10.0 , 21.0 , 94.0 , 38.0 ] )pytorch_tensor_2d = شعلة. الموتر ( [ [ 2 , 5 , 1 ] , [ 9 , 2 , 9 ] , [ 1 , 7 , 1 ] ] )
الكود أعلاه يعمل على النحو التالي:
- ال ' الموتر () يتم استخدام الطريقة لإدخال الموترات في PyTorch.
- ال ' 1-الأبعاد 'يحتوي الموتر على عناصر في صف واحد فقط كما هو موضح أعلاه.
- ال ' 2 الأبعاد 'يحتوي الموتر المحدد أعلاه على عناصر في 3 أعمدة مميزة و3 صفوف مميزة.
- يتم تعيين كل من الموترات المحددة لكل منهما ' المتغيرات ':
الخطوة 4: حساب الأسس لكل عنصر Tensor
بعد تحديد موترات PyTorch، حان الوقت لتحديد حساب ' الأسس 'من كل عنصر في الموترين باستخدام' torch.exp() ' طريقة:
Tensor_exponents = شعلة. إكسب ( pytorch_tensor )Tensor_exponents_2d = شعلة. إكسب ( pytorch_tensor_2d )
الكود أعلاه يعمل على النحو التالي:
- ال ' إكسب () تُستخدم الدالة لحساب أس كل عنصر في الموتر.
- ال ' 1د 'يتم تعريف متغير الموتر على أنه وسيطة' إكسب () '' ومن ثم يتم تعيينها إلى '' Tensor_exponents 'المتغير كما هو موضح.
- التالي ' 2D 'يتم تعريف متغير الموتر أيضًا على أنه وسيطة' إكسب () '' ومن ثم يتم تعيينها إلى '' Tensor_exponents_2d 'المتغير كما هو موضح:
الخطوة 5: طباعة الإخراج
الخطوة الأخيرة هي طباعة مخرجات حساب أسس كل عنصر موجود داخل الموترين باستخدام ' مطبعة() ' طريقة:
مطبعة ( 'الموتر 1D الأصلي: \ن ' , pytorch_tensor )مطبعة ( ' \ن أسس الموتر 1D: \ن ' , Tensor_exponents )
مطبعة ( ' \ن الموتر ثنائي الأبعاد الأصلي: \ن ' , pytorch_tensor_2d )
مطبعة ( ' \ن أسس الموتر ثنائي الأبعاد: \ن ' , Tensor_exponents_2d )
الكود أعلاه يعمل على النحو التالي:
- استخدم ال ' مطبعة() 'طريقة لعرض Tensor 1D الأصلي في الإخراج وأسس عناصره.
- ثم استخدم نفس ' مطبعة() طريقة عرض Tensor ثنائي الأبعاد الأصلي في المخرجات وأسس عناصره كما هو موضح.
- ال ' \ن 'يتم استخدام المصطلح الموضح في الكود لبدء الإخراج التالي من السطر التالي. يتم استخدامه للحفاظ على عرض الإخراج منظمًا.
- تتم إضافة النص البسيط الذي سيتم عرضه في الإخراج في 'الفواصل المقلوبة' داخل ' مطبعة() حجة الطريقة.
- ويتبع النص ' عامل ' التي سيتم طباعتها.
إخراج الأسس
ملحوظة : يمكنك الوصول إلى دفتر Colab الخاص بنا على هذا وصلة .
نصيحة محترف
يمكن أن تكون حوسبة العناصر في موترات PyTorch بمثابة خطوة حاسمة في المعالجة المسبقة قبل تشغيل نموذج معقد للتعلم الآلي يحتوي على ملايين الصفوف من البيانات. يمكن لهذه التقنية جلب جميع قيم البيانات الرقمية ضمن نطاق صغير من شأنه أن يكون أسهل بكثير بالنسبة للأجهزة، وبالتالي تقليل وقت المعالجة بشكل كبير.
نجاح! لقد أظهرنا لك كيفية حساب أس كل عنصر على حدة في موتر PyTorch.
خاتمة
قم بحساب أسس جميع عناصر Tensor في PyTorch عن طريق تحديد الموتر أولاً ثم استخدام ' torch.exp() ' وظيفة. في هذه المدونة، عرضنا كيفية تعريف موتر PyTorch ثنائي الأبعاد و1D وكيفية حساب أس كل عنصر في هذين الموتدين.