Kako dobiti eksponente tenzorskih elemenata u PyTorchu?

Ovaj blog raspravljat će o tome kako dobiti eksponente tenzorskih elemenata u PyTorchu.

Čemu služe eksponenti u PyTorch tenzorima?

Neuronske mreže koriste složeni obrazac za istovremeno povezivanje više ulaza s više izlaza kako bi oponašale funkcioniranje ljudskog mozga. Ispod ove strukture nalazi se zamršen kostur temeljne matematike koji omogućuje sve te veze. Eksponenti su jednostavno još jedan koncept iz matematike koji pomaže da život programera i podatkovnih znanstvenika bude mnogo lakši.

Važne značajke upotrebe eksponenata u PyTorchu navedene su u nastavku:

• Glavna upotreba eksponenata je dovođenje cjelokupnih podataka unutar odgovarajućeg raspona za bržu obradu.
• Stopa raspadanja može se lako vizualizirati pomoću eksponencijalnih funkcija.
• Bilo koja vrsta podataka koja ima eksponencijalni trend može se vizualizirati u linearnom trendu korištenjem koncepta eksponencijala.

Kako izračunati eksponente svih tenzorskih elemenata u PyTorchu?

Korištenje tenzora za pohranu vrijednosti podataka nevjerojatna je značajka za PyTorch zbog svih funkcionalnosti i mogućnosti manipulacije koje donose tenzori. Izračunavanje eksponenata za pojedinačne elemente tenzora ključno je za upravljanje podacima unutar manjih ograničenja.

Slijedite dolje navedene korake da naučite kako dobiti eksponente pojedinačnih tenzorskih elemenata u PyTorchu:

1. korak: postavite Colab

Prvi korak je postavljanje IDE-a. Googleova suradnja dobar je izbor zbog svojih besplatno dostupnih integriranih GPU-ova za izračunavanje tenzora. Idite u Colab web stranica i otvorite ' Nova bilježnica ' kao što je prikazano:

Korak 2: Instalirajte i uvezite Torch Library

Okvir PyTorch temelji se na spoju programskog jezika Python i biblioteke Torch za razvoj modela dubokog učenja. Instalacija i uvoz ' baklja ” knjižnica je neophodna za početak bilo kojeg projekta u PyTorchu:

Gornji kôd radi na sljedeći način:

• ' !pip ” instalacijski paket Pythona koristi se za instaliranje paketa i biblioteka u PyTorchu.
• Zatim, ' uvoz ” naredba se koristi za pozivanje knjižnica i njihove funkcionalnosti za projekt:

Korak 3: Definirajte 1D i 2D PyTorch tenzor

U ovom vodiču, demonstrirat ćemo izračunavanje eksponenata tenzorskih elemenata oba ' 1D ' i ' 2D ” PyTorch tenzor. Počinjemo definiranjem ovih tenzora:

Gornji kôd radi na sljedeći način:

• ' tenzor() ” metoda se koristi za unos tenzora u PyTorch.
• ' 1-dimenzionalni ” tenzor ima samo elemente u jednom redu kao što je prikazano gore.
• ' 2-dimenzionalni ” tenzor definiran gore ima elemente u 3 različita stupca i 3 različita retka.
• Oba definirana tenzora dodijeljena su svojim odnosnim ' varijable ”:

Korak 4: Izračunajte eksponente svakog elementa tenzora

Nakon što smo definirali PyTorch tenzore, vrijeme je da definiramo izračun ' eksponenti ' svakog elementa u dva tenzora koristeći ' baklja.exp() ” metoda:

Gornji kôd radi na sljedeći način:

• ' exp() ” funkcija se koristi za izračunavanje eksponenta svakog elementa u tenzoru.
• ' 1D ” tenzorska varijabla definirana je kao argument funkcije “ exp() ” i tada se dodjeljuje funkciji „ eksponenti_tenzora ” varijabla kao što je prikazano.
• Zatim, ' 2D ” tenzorska varijabla također je definirana kao argument za “ exp() ” i tada se dodjeljuje funkciji „ tenzorski_eksponenti_2d ” varijabla kao što je prikazano:

Korak 5: Ispišite izlaz

Posljednji korak je ispisati rezultat izračuna eksponenata svakog elementa koji se nalazi unutar dva tenzora pomoću ' ispis() ” metoda:

Gornji kôd radi na sljedeći način:

• Koristiti ' ispis() ” za prikaz originalnog 1D tenzora u izlazu i eksponenata njegovih elemenata.
• Zatim upotrijebite isti ' ispis() ” za prikaz originalnog 2D tenzora u izlazu i eksponenata njegovih elemenata kao što je prikazano.
• ' \n ” izraz prikazan u kodu koristi se za početak sljedećeg izlaza iz sljedećeg retka. Koristi se za organiziranje izlaznog prikaza.
• Jednostavan tekst koji se treba prikazati u izlazu dodaje se u 'navodnim zarezima' unutar ' ispis() ” argument metode.
• Nakon teksta slijedi ' varijabla ” za ispis.

Izlaz eksponenata

Bilješka : Našoj Colab bilježnici možete pristupiti ovdje veza .

Stručni savjet

Računanje eksponenata elemenata u PyTorch tenzorima može se pokazati ključnim korakom u pretprocesiranju prije pokretanja složenog modela strojnog učenja s milijunima redaka podataka. Ova tehnika može dovesti sve numeričke vrijednosti podataka unutar malog raspona što bi se pokazalo daleko lakšim za hardver, čime se značajno smanjuje vrijeme obrade.

Uspjeh! Pokazali smo vam kako izračunati eksponent svakog pojedinačnog elementa u PyTorch tenzoru.

Zaključak

Izračunajte eksponente svih Tensor elemenata u PyTorchu tako da prvo definirate tenzor, a zatim, koristeći ' baklja.exp() ” funkcija. U ovom smo blogu prikazali kako definirati 1D i 2D PyTorch tenzor i kako izračunati eksponent svakog elementa u ta dva tenzora.