يتم تخزين إدخالات البيانات الفردية في شكل ' الموترات 'في PyTorch و' التدرجات يتم حساب 'الموترات' باستخدام الانتشار العكسي داخل حلقة التدريب لنموذج التعلم العميق. على المدى ' بدون مقياس 'يعني أن البيانات أولية ولا تتضمن أي معالجة مسبقة أو تحسين. يوفر التدرج غير المقياس للموتر القيمة الحقيقية للتغيير حول دالة الخسارة المحددة.
في هذه المدونة، سنناقش كيفية حساب التدرج غير المقيس لل Tensor في PyTorch.
ما هو التدرج غير المقيس للموتر في PyTorch؟
Tensors عبارة عن صفائف متعددة الأبعاد تحتوي على بيانات ويمكن تشغيلها على وحدات معالجة الرسومات في PyTorch. تسمى الموترات التي تحتوي على بيانات أولية من مجموعة البيانات دون أي معالجة مسبقة أو تحويلات أو تحسينات بالموترات غير المقاسة. ومع ذلك، ' التدرج غير المقياس 'يختلف عن الموتر غير المقياس ويجب توخي الحذر لعدم الخلط بين الاثنين. يتم حساب التدرج غير المقيس للموتر فيما يتعلق بوظيفة الخسارة المحددة ولا يحتوي على أي تحسينات أو قياسات إضافية.
كيفية حساب التدرج غير المقيس للموتر في PyTorch؟
التدرج غير المقيس للموتر هو القيمة الفعلية لمعدل التغير في بيانات الإدخال المتعلقة بوظيفة الخسارة المحددة. تعد بيانات التدرج الأولية مهمة لفهم سلوك النموذج وتطوره أثناء حلقة التدريب.
اتبع الخطوات الواردة أدناه لمعرفة كيفية حساب التدرج غير المقيس للموتر في PyTorch:
الخطوة 1: ابدأ المشروع بإعداد IDE
يعد Google Colaboratory IDE أحد أفضل الخيارات لتطوير مشاريع PyTorch لأنه يوفر وصولاً مجانيًا إلى وحدات معالجة الرسومات من أجل معالجة أسرع. اذهب إلى كولاب موقع إلكتروني وانقر على ' دفتر جديد خيار بدء العمل:
الخطوة 2: استيراد مكتبة الشعلة الأساسية
جميع وظائف إطار عمل PyTorch موجودة ضمن ' شعلة ' مكتبة. يبدأ كل مشروع في PyTorch بتثبيت هذه المكتبة واستيرادها:
!pip تثبيت الشعلةاستيراد الشعلة
الكود أعلاه يعمل على النحو التالي:
- '! نقطة 'هي حزمة تثبيت لـ Python تُستخدم لتثبيت المكتبات في المشاريع.
- ال ' يستورد يتم استخدام الأمر لاستدعاء المكتبات المثبتة في المشروع.
- يحتاج هذا المشروع فقط إلى وظيفة ' شعلة ' مكتبة:
الخطوة 3: تحديد موتر PyTorch مع التدرج
استخدم ال ' torch.tensor ()' طريقة لتحديد موتر بتدرج ' require_grad=صحيح ' طريقة:
A = torch.tensor([5.0]، require_grad=True)الخطوة 4: تحديد دالة الخسارة البسيطة
يتم تعريف دالة الخسارة باستخدام معادلة حسابية بسيطة كما هو موضح:
دالة الخسارة = أ*5 
الخطوة 5: حساب التدرج والطباعة للإخراج
استخدم ال ' الى الوراء ()' طريقة لحساب التدرج غير المقيس كما هو موضح:
Loss_function.backward()unscaled_grad = A.grad
طباعة ('التدرج غير المقياس لموتر PyTorch:'، unscaled_grad)
الكود أعلاه يعمل على النحو التالي:
- استخدم ال ' الى الوراء ()' لحساب التدرج غير المقيس عبر الانتشار العكسي.
- خصص ' جراد ' إلى ' unscaled_grad ' عامل.
- وأخيرًا، استخدم ' مطبعة ()' طريقة لعرض مخرجات التدرج غير المقياس:
ملحوظة : يمكنك الوصول إلى دفتر Colab الخاص بنا على هذا وصلة .
نصيحة محترف
يمكن أن يُظهر التدرج غير المقيس للموترات العلاقة الدقيقة لبيانات الإدخال مع وظيفة الخسارة للشبكة العصبية ضمن إطار عمل PyTorch. يوضح التدرج الأولي غير المحرر كيفية ارتباط القيمتين بشكل منهجي.
نجاح! لقد أظهرنا للتو كيفية حساب التدرج غير المقيس للموتر في PyTorch.
خاتمة
احسب التدرج غير المقيس للموتر في PyTorch عن طريق تعريف الموتر أولاً، ثم استخدام طريقة back() للعثور على التدرج. يوضح هذا كيف يربط نموذج التعلم العميق بيانات الإدخال بوظيفة الخسارة المحددة. في هذه المدونة، قدمنا برنامجًا تعليميًا خطوة بخطوة حول كيفية حساب التدرج غير المقيس للموتر في PyTorch.