Aquest bloc tractarà com obtenir els exponents dels elements tensorals a PyTorch.
Quin és l'ús dels exponents als tensors de PyTorch?
Les xarxes neuronals utilitzen un patró complex per connectar múltiples entrades a múltiples sortides simultàniament per imitar el funcionament del cervell humà. Sota aquesta estructura, hi ha un complex esquelet de matemàtiques fonamentals que fa possibles totes aquestes connexions. Els exponents són simplement un altre concepte de les matemàtiques que ajuden a facilitar molt la vida dels programadors i els científics de dades.
A continuació s'enumeren les característiques importants de l'ús d'exponents a PyTorch:
- L'ús principal dels exponents és portar totes les dades dins d'un rang adequat per a un processament més ràpid.
- La taxa de decadència es pot visualitzar fàcilment mitjançant funcions exponencials.
- Qualsevol tipus de dades que tinguin una tendència exponencial es poden visualitzar en una tendència lineal utilitzant el concepte d'exponencials.
Com calcular els exponents de tots els elements tensors a PyTorch?
L'ús de Tensors per emmagatzemar valors de dades és una característica increïble per a PyTorch a causa de totes les funcionalitats i possibilitats de manipulació que ofereixen els tensors. El càlcul d'exponents per a elements tensoris individuals és clau per gestionar les dades dins de límits més petits.
Seguiu els passos que s'indiquen a continuació per aprendre a obtenir els exponents dels elements tensors individuals a PyTorch:
Pas 1: configureu Colab
El primer pas és configurar l'IDE. Colaboratory de Google és una bona opció a causa de les seves GPU integrades de lliure disponibilitat per al càlcul de tensors. Aneu al Colab lloc web i obre un ' Nou quadern ' com es mostra:
Pas 2: instal·leu i importeu la biblioteca Torch
El framework PyTorch es basa en la unió del llenguatge de programació Python i la biblioteca Torch per al desenvolupament de models d'aprenentatge profund. La instal·lació i importació del ' torxa ”La biblioteca és essencial per començar qualsevol projecte a PyTorch:
!pip instal·lar torxatorxa d'importació
El codi anterior funciona de la següent manera:
- El ' !pip ” El paquet d'instal·lació de Python s'utilitza per instal·lar paquets i biblioteques a PyTorch.
- A continuació, el ' importar ” s'utilitza per cridar biblioteques i la seva funcionalitat per al projecte:
Pas 3: defineix un tensor PyTorch 1D i 2D
En aquest tutorial, demostrarem el càlcul d'exponents d'elements tensoris tant d'un ' 1D ' i un ' 2D ” Tensor PyTorch. Comencem definint aquests tensors:
pytorch_tensor = torxa. tensor ( [ 10.0 , 21.0 , 94.0 , 38.0 ] )pytorch_tensor_2d = torxa. tensor ( [ [ 2 , 5 , 1 ] , [ 9 , 2 , 9 ] , [ 1 , 7 , 1 ] ] )
El codi anterior funciona de la següent manera:
- El ' tensor () ” s'utilitza per introduir tensors a PyTorch.
- El ' unidimensional ” El tensor només té elements en una sola fila com es mostra a dalt.
- El ' bidimensional ” El tensor definit anteriorment té elements en 3 columnes diferents i 3 files diferents.
- Els dos tensors definits s'assignen als seus respectius ' les variables ”:
Pas 4: calculeu els exponents de cada element tensor
Després d'haver definit els tensors de PyTorch, és hora de definir el càlcul de ' exponents ” de cada element dels dos tensors utilitzant el “ torch.exp() ” mètode:
exponents_tensor = torxa. exp ( pytorch_tensor )exponents_tensor_2d = torxa. exp ( pytorch_tensor_2d )
El codi anterior funciona de la següent manera:
- El ' exp() ” s'utilitza per calcular l'exponent de cada element d'un tensor.
- El ' 1D La variable tensor ' es defineix com l'argument de la ' exp() ” i després s'assigna a la funció “ exponents_tensor ” variable tal com es mostra.
- A continuació, el ' 2D ” La variable tensor també es defineix com l'argument de la “ exp() ” i després s'assigna a la funció “ tensor_exponents_2d ” variable tal com es mostra:
Pas 5: imprimiu la sortida
L'últim pas és imprimir la sortida del càlcul d'exponents de cada element contingut dins dels dos tensors utilitzant el ' imprimir() ” mètode:
imprimir ( 'Tensor 1D original: \n ' , pytorch_tensor )imprimir ( ' \n Exponents del tensor 1D: \n ' , exponents_tensor )
imprimir ( ' \n Tensor 2D original: \n ' , pytorch_tensor_2d )
imprimir ( ' \n Exponents del tensor 2D: \n ' , tensor_exponents_2d )
El codi anterior funciona de la següent manera:
- Utilitzar el ' imprimir() ” mètode per mostrar el tensor 1D original a la sortida i els exponents dels seus elements.
- A continuació, utilitzeu el mateix ' imprimir() ” mètode per mostrar el tensor 2D original a la sortida i els exponents dels seus elements tal com es mostra.
- El ' \n ” El terme que es mostra al codi s'utilitza per començar la següent sortida de la línia següent. S'utilitza per mantenir organitzada la visualització de la sortida.
- El text senzill que s'ha de mostrar a la sortida s'afegeix entre les 'comes invertides' dins del ' imprimir() ” argument del mètode.
- El text va seguit del ' variable ” per imprimir.
Sortida d'exponents
Nota : Podeu accedir al nostre quadern Colab aquí enllaç .
Pro-Tip
El càlcul d'exponents d'elements als tensors PyTorch pot demostrar ser un pas crucial en el preprocessament abans d'executar un model complex d'aprenentatge automàtic amb milions de files de dades. Aquesta tècnica pot portar tots els valors de dades numèriques dins d'un rang reduït que resultaria ser molt més fàcil per al maquinari, reduint així significativament el temps de processament.
Èxit! Us hem mostrat com calcular l'exponent de cada element individual en un tensor PyTorch.
Conclusió
Calculeu els exponents de tots els elements del tensor a PyTorch definint primer el tensor i després, utilitzant el ' torch.exp() ” funció. En aquest bloc, vam mostrar com definir un tensor PyTorch 1D i 2D i com calcular l'exponent de cada element en aquests dos tensors.