Questo blog discuterà come ottenere gli esponenti degli elementi tensoriali in PyTorch.
Qual è l'uso degli esponenti nei tensori PyTorch?
Le reti neurali utilizzano uno schema complesso per connettere più input a più output simultaneamente per imitare il funzionamento del cervello umano. Sotto questa struttura si trova un intricato scheletro di matematica fondamentale che rende possibili tutte queste connessioni. Gli esponenti sono semplicemente un altro concetto matematico che aiuta a rendere molto più semplice la vita di programmatori e data scientist.
Le caratteristiche importanti dell'uso degli esponenti in PyTorch sono elencate di seguito:
- L'uso principale degli esponenti è quello di portare l'intero dato all'interno di un intervallo adatto per un'elaborazione più rapida.
- Il tasso di decadimento può essere facilmente visualizzato utilizzando funzioni esponenziali.
- Qualsiasi tipo di dati che possiede una tendenza esponenziale può essere visualizzato in una tendenza lineare utilizzando il concetto di esponenziali.
Come calcolare gli esponenti di tutti gli elementi tensoriali in PyTorch?
L'uso di tensori per memorizzare i valori dei dati è una caratteristica incredibile per PyTorch grazie a tutte le funzionalità e possibilità di manipolazione offerte dai tensori. Il calcolo degli esponenti per i singoli elementi tensoriali è fondamentale per gestire i dati entro limiti più piccoli.
Segui i passaggi indicati di seguito per scoprire come ottenere gli esponenti dei singoli elementi tensoriali in PyTorch:
Passaggio 1: configura Colab
Il primo passo è configurare l'IDE. Colaboratory di Google è una buona scelta grazie alle sue GPU integrate disponibili gratuitamente per il calcolo dei tensori. Vai al Colab sito web e apri un ' Nuovo taccuino ' come mostrato:
Passaggio 2: installa e importa la libreria Torch
Il framework PyTorch si basa sull'unione del linguaggio di programmazione Python e della libreria Torch per lo sviluppo di modelli di deep learning. L'installazione e l'importazione del “ torcia 'La libreria è essenziale per iniziare qualsiasi progetto in PyTorch:
!pip installa la torciatorcia di importazione
Il codice sopra funziona come segue:
- IL ' !pip Il pacchetto di installazione di Python viene utilizzato per installare pacchetti e librerie in PyTorch.
- Successivamente, il “ importare Il comando viene utilizzato per chiamare le librerie e le loro funzionalità per il progetto:
Passaggio 3: definire un tensore PyTorch 1D e 2D
In questo tutorial, dimostreremo il calcolo degli esponenti degli elementi tensoriali sia di a “ 1D ' e un ' 2D ' Tensore PyTorch. Iniziamo definendo questi tensori:
pytorch_tensor = torcia. tensore ( [ 10.0 , 21.0 , 94.0 , 38.0 ] )pytorch_tensor_2d = torcia. tensore ( [ [ 2 , 5 , 1 ] , [ 9 , 2 , 9 ] , [ 1 , 7 , 1 ] ] )
Il codice sopra funziona come segue:
- IL ' tensore() ' viene utilizzato per inserire tensori in PyTorch.
- IL ' monodimensionale ' Il tensore ha solo elementi in una singola riga come mostrato sopra.
- IL ' bidimensionale Il tensore definito sopra ha elementi in 3 colonne distinte e 3 righe distinte.
- Entrambi i tensori definiti sono assegnati ai rispettivi “ variabili ':
Passaggio 4: calcolare gli esponenti di ciascun elemento tensore
Dopo aver definito i tensori PyTorch, è il momento di definire il calcolo di “ esponenti ' di ciascun elemento nei due tensori utilizzando il ' torcia.exp() ' metodo:
tensore_esponenti = torcia. esp ( pytorch_tensor )tensore_esponenti_2d = torcia. esp ( pytorch_tensor_2d )
Il codice sopra funziona come segue:
- IL ' exp() La funzione ' viene utilizzata per calcolare l'esponente di ciascun elemento in un tensore.
- IL ' 1D La variabile tensoriale è definita come l'argomento del ' exp() ' e viene quindi assegnato alla funzione ' tensore_esponenti ' variabile come mostrato.
- Successivamente, il “ 2D La variabile tensore è anche definita come l'argomento del ' exp() ' e viene quindi assegnato alla funzione ' tensore_esponenti_2d ' variabile come mostrato:
Passaggio 5: stampare l'output
L'ultimo passo è stampare l'output del calcolo degli esponenti di ciascun elemento contenuto nei due tensori utilizzando il comando “ stampa() ' metodo:
stampa ( 'Tensore 1D originale: \N ' , pytorch_tensor )stampa ( ' \N Esponenti del tensore 1D: \N ' , tensore_esponenti )
stampa ( ' \N Tensore 2D originale: \N ' , pytorch_tensor_2d )
stampa ( ' \N Esponenti del tensore 2D: \N ' , tensore_esponenti_2d )
Il codice sopra funziona come segue:
- Usa il ' stampa() ” per visualizzare in output il tensore 1D originale e gli esponenti dei suoi elementi.
- Quindi, usa lo stesso ' stampa() ' per visualizzare il tensore 2D originale in output e gli esponenti dei suoi elementi come mostrato.
- IL ' \N ' Il termine mostrato nel codice viene utilizzato per iniziare l'output successivo dalla riga successiva. Viene utilizzato per mantenere organizzata la visualizzazione dell'output.
- Il testo semplice che deve essere visualizzato nell'output viene aggiunto tra 'virgolette' all'interno del ' stampa() 'argomento del metodo.
- Il testo è seguito dal “ variabile 'da stampare.
Uscita degli esponenti
Nota : Puoi accedere al nostro Colab Notebook da qui collegamento .
Suggerimento professionale
Il calcolo degli esponenti degli elementi nei tensori PyTorch può rivelarsi un passaggio cruciale nella preelaborazione prima di eseguire un modello complesso di apprendimento automatico con milioni di righe di dati. Questa tecnica può portare tutti i valori numerici dei dati entro un intervallo ristretto che risulterebbe molto più semplice per l'hardware, riducendo così significativamente i tempi di elaborazione.
Successo! Ti abbiamo mostrato come calcolare l'esponente di ogni singolo elemento in un tensore PyTorch.
Conclusione
Calcola gli esponenti di tutti gli elementi tensoriali in PyTorch definendo prima il tensore e poi, utilizzando il metodo ' torcia.exp() ' funzione. In questo blog, abbiamo mostrato come definire un tensore PyTorch 1D e 2D e come calcolare l'esponente di ciascun elemento in questi due tensori.