Acest blog va discuta cum să obțineți exponenții elementelor tensoare în PyTorch.
Care este utilizarea exponenților în tensorii PyTorch?
Rețelele neuronale utilizează un model complex pentru a conecta mai multe intrări la mai multe ieșiri simultan pentru a imita funcționarea creierului uman. Sub această structură, se află un schelet complicat de matematică fundamentală care face posibile toate aceste conexiuni. Exponenții sunt pur și simplu un alt concept din matematică care ajută la ușurarea multor viața programatorilor și a cercetătorilor de date.
Caracteristicile importante ale utilizării exponenților în PyTorch sunt enumerate mai jos:
- Principala utilizare a exponenților este de a aduce toate datele într-un interval adecvat pentru o procesare mai rapidă.
- Rata de dezintegrare poate fi ușor de vizualizat folosind funcții exponențiale.
- Orice tip de date care posedă o tendință exponențială poate fi vizualizată într-o tendință liniară utilizând conceptul de exponențial.
Cum se calculează exponenții tuturor elementelor tensoare în PyTorch?
Utilizarea Tensorilor pentru stocarea valorilor datelor este o caracteristică incredibilă pentru PyTorch datorită tuturor funcționalităților și posibilităților de manipulare aduse de tensori. Calcularea exponenților pentru elemente tensorale individuale este cheia pentru gestionarea datelor în limite mai mici.
Urmați pașii de mai jos pentru a afla cum să obțineți exponenții elementelor tensoare individuale în PyTorch:
Pasul 1: Configurați Colab
Primul pas este configurarea IDE-ului. Colaboratory de la Google este o alegere bună datorită GPU-urilor integrate disponibile gratuit pentru calcularea tensorilor. Du-te la Colab site-ul web și deschideți un „ Notebook nou ' așa cum se arată:
Pasul 2: Instalați și importați biblioteca Torch
Cadrul PyTorch se bazează pe unirea limbajului de programare Python și a bibliotecii Torch pentru dezvoltarea modelelor de deep learning. Instalarea și importul „ torță ” biblioteca este esențială pentru a începe orice proiect în PyTorch:
!pip instalează lanternătorță de import
Codul de mai sus funcționează după cum urmează:
- „ !pip ”pachetul de instalare de la Python este folosit pentru a instala pachete și biblioteci în PyTorch.
- În continuare, „ import comanda ” este folosită pentru a apela biblioteci și funcționalitatea acestora pentru proiect:
Pasul 3: Definiți un tensor PyTorch 1D și 2D
În acest tutorial, vom demonstra calculul exponenților elementelor tensoare atât a „ 1D ” și un ” 2D ” Tensorul PyTorch. Începem prin a defini acești tensori:
pytorch_tensor = torță. tensor ( [ 10.0 , 21.0 , 94,0 , 38,0 ] )pytorch_tensor_2d = torță. tensor ( [ [ 2 , 5 , 1 ] , [ 9 , 2 , 9 ] , [ 1 , 7 , 1 ] ] )
Codul de mai sus funcționează după cum urmează:
- „ tensor() ” este folosită pentru a introduce tensori în PyTorch.
- „ 1-dimensională ” Tensorul are doar elemente într-un singur rând, așa cum se arată mai sus.
- „ 2-dimensională ” tensorul definit mai sus are elemente în 3 coloane distincte și 3 rânduri distincte.
- Ambii tensori definiți sunt alocați lor „ variabile ”:
Pasul 4: Calculați exponenții fiecărui element tensor
După ce ați definit tensorii PyTorch, este timpul să definiți calculul „ exponenți ” a fiecărui element din cei doi tensori folosind „ torch.exp() ” metoda:
exponenti_tensori = torță. exp ( pytorch_tensor )exponenti_tensori_2d = torță. exp ( pytorch_tensor_2d )
Codul de mai sus funcționează după cum urmează:
- „ exp() ” funcția este utilizată pentru a calcula exponentul fiecărui element dintr-un tensor.
- „ 1D ” variabila tensorală este definită ca argumentul “ exp() ” și apoi este atribuită funcției “ exponenti_tensori ” variabilă așa cum se arată.
- În continuare, „ 2D ” variabila tensorală este, de asemenea, definită ca argumentul “ exp() ” și apoi este atribuită funcției “ exponenti_tensori_2d ” variabilă după cum se arată:
Pasul 5: Imprimați rezultatul
Ultimul pas este să tipăriți rezultatul calculului exponenților fiecărui element conținut în cei doi tensori folosind „ imprimare() ” metoda:
imprimare ( „Tensor 1D original: \n ' , pytorch_tensor )imprimare ( ' \n Exponenții tensorului 1D: \n ' , exponenti_tensori )
imprimare ( ' \n Tensor 2D original: \n ' , pytorch_tensor_2d )
imprimare ( ' \n Exponenții tensorului 2D: \n ' , exponenti_tensori_2d )
Codul de mai sus funcționează după cum urmează:
- Folosește ' imprimare() ” pentru a afișa Tensorul 1D original în ieșire și exponenții elementelor sale.
- Apoi, utilizați același „ imprimare() ” pentru a afișa Tensorul 2D original în ieșire și exponenții elementelor sale, așa cum se arată.
- „ \n ” termenul afișat în cod este folosit pentru a începe următoarea ieșire din următoarea linie. Este folosit pentru a menține afișarea de ieșire organizată.
- Textul simplu care urmează să fie afișat în rezultat este adăugat în „virgule inversate” în „ imprimare() ” argumentul metodei.
- Textul este urmat de „ variabil ” pentru a fi tipărit.
Ieșire exponenți
Notă : Puteți accesa caietul nostru Colab aici legătură .
Pro-Tip
Calcularea exponenților elementelor din tensorii PyTorch se poate dovedi a fi un pas crucial în preprocesare înainte de a rula un model complex de învățare automată cu milioane de rânduri de date. Această tehnică poate aduce toate valorile datelor numerice într-un interval mic care s-ar dovedi a fi mult mai ușor pentru hardware, reducând astfel semnificativ timpul de procesare.
Succes! V-am arătat cum să calculați exponentul fiecărui element individual dintr-un tensor PyTorch.
Concluzie
Calculați exponenții tuturor elementelor Tensor în PyTorch definind mai întâi tensorul și apoi, folosind „ torch.exp() ”funcție. În acest blog, am arătat cum să definim un tensor PyTorch 1D și 2D și cum să calculăm exponentul fiecărui element din acești doi tensori.