Bu blog PyTorch'ta tensör elemanlarının üslerinin nasıl elde edileceğini tartışacak.
PyTorch Tensörlerinde Üslerin Kullanımı Nedir?
Sinir ağları, insan beyninin işleyişini taklit etmek amacıyla birden fazla girişi aynı anda birden fazla çıktıya bağlamak için karmaşık bir model kullanır. Bu yapının altında, tüm bu bağlantıları mümkün kılan karmaşık bir temel matematik iskeleti yatmaktadır. Üslü sayılar, programcıların ve veri bilimcilerin hayatlarını çok daha kolaylaştırmaya yardımcı olan matematikteki başka bir kavramdır.
PyTorch'ta üslü sayı kullanımının önemli özellikleri aşağıda listelenmiştir:
- Üslerin ana kullanımı, tüm verileri daha hızlı işleme için uygun bir aralığa getirmektir.
- Bozunma hızı üstel fonksiyonlar kullanılarak kolayca görselleştirilebilir.
- Üstel eğilime sahip her türlü veri, üstel kavramı kullanılarak doğrusal bir eğilimde görselleştirilebilir.
PyTorch'ta Tüm Tensör Elemanlarının Üsleri Nasıl Hesaplanır?
Veri değerlerini depolamak için Tensörlerin kullanılması, tensörlerin getirdiği tüm işlevsellik ve manipülasyon olanakları nedeniyle PyTorch için inanılmaz bir özelliktir. Bireysel tensör elemanları için üslerin hesaplanması, verileri daha küçük sınırlar dahilinde yönetmenin anahtarıdır.
PyTorch'ta bireysel tensör elemanlarının üslerinin nasıl alınacağını öğrenmek için aşağıdaki adımları izleyin:
1. Adım: Colab'ı kurun
İlk adım IDE'yi kurmaktır. Google Colaboratory, tensörlerin hesaplanmasına yönelik ücretsiz olarak kullanılabilen entegre GPU'lar nedeniyle iyi bir seçimdir. Colab'a git İnternet sitesi ve bir “ Yeni Defter ' gosterildigi gibi:
Adım 2: Torch Kitaplığını Kurun ve İçe Aktarın
PyTorch çerçevesi, derin öğrenme modellerinin geliştirilmesi için Python programlama dili ile Torch kütüphanesinin birleşimine dayanmaktadır. “ Kurulumu ve içe aktarımı meşale ” kütüphane PyTorch'ta herhangi bir projeye başlamak için gereklidir:
!pip kurulum meşalesiithalat meşale
Yukarıdaki kod şu şekilde çalışır:
- “ !pip ” Python'un kurulum paketi, PyTorch'a paket ve kütüphaneler kurmak için kullanılır.
- Daha sonra “ içe aktarmak ” komutu, proje için kütüphaneleri ve işlevlerini çağırmak için kullanılır:
Adım 3: 1D ve 2D PyTorch Tensörünü tanımlayın
Bu derste, her ikisinin de tensör elemanlarının üslerinin hesaplanmasını göstereceğiz. 1 boyutlu ” ve bir “ 2 boyutlu ” PyTorch tensörü. Bu tensörleri tanımlayarak başlıyoruz:
pytorch_tensor = meşale. tensör ( [ 10.0 , 21.0 , 94.0 , 38.0 ] )pytorch_tensor_2d = meşale. tensör ( [ [ 2 , 5 , 1 ] , [ 9 , 2 , 9 ] , [ 1 , 7 , 1 ] ] )
Yukarıdaki kod şu şekilde çalışır:
- “ tensör() PyTorch'ta tensörleri girmek için ” yöntemi kullanılır.
- “ 1 boyutlu ” Tensörün yukarıda gösterildiği gibi yalnızca tek bir satırda elemanları vardır.
- “ 2 boyutlu Yukarıda tanımlanan tensörün 3 ayrı sütunda ve 3 ayrı satırda elemanları vardır.
- Tanımlanan tensörlerin her ikisi de ilgili ' değişkenler ”:
Adım 4: Her Tensör Elemanının Üslerini Hesaplayın
PyTorch tensörlerini tanımladıktan sonra sıra “ üslü sayılar ' kullanarak iki tensördeki her bir öğenin ' meşale.exp() ' yöntem:
tensor_exponents = meşale. tecrübe ( pytorch_tensor )tensor_exponents_2d = meşale. tecrübe ( pytorch_tensor_2d )
Yukarıdaki kod şu şekilde çalışır:
- “ tecrübe() ” fonksiyonu bir tensördeki her bir elemanın üssünü hesaplamak için kullanılır.
- “ 1 boyutlu Tensör değişkeni “’nin argümanı olarak tanımlanır. tecrübe() ” fonksiyonuna atanır ve daha sonra “ tensor_exponents ” değişkeni gösterildiği gibi.
- Daha sonra “ 2 boyutlu Tensör değişkeni aynı zamanda “’nin argümanı olarak da tanımlanır. tecrübe() ” fonksiyonuna atanır ve daha sonra “ tensor_exponents_2d ” değişkeni gösterildiği gibi:
Adım 5: Çıktıyı Yazdırın
Son adım, iki tensörün içerdiği her bir elemanın üslerinin hesaplamasının çıktısını “” kullanarak yazdırmaktır. Yazdır() ' yöntem:
Yazdır ( 'Orijinal 1D Tensör: \N ' , pytorch_tensor )Yazdır ( ' \N 1D Tensörün Üsleri: \N ' , tensor_exponents )
Yazdır ( ' \N Orijinal 2D Tensör: \N ' , pytorch_tensor_2d )
Yazdır ( ' \N 2D Tensörün Üsleri: \N ' , tensor_exponents_2d )
Yukarıdaki kod şu şekilde çalışır:
- Kullan ' Yazdır() ” Çıkışta orijinal 1D Tensörü ve elemanlarının üslerini görüntüleme yöntemini kullanın.
- Daha sonra aynısını kullanın” Yazdır() ” çıkışta orijinal 2D Tensörü ve elemanlarının üslerini gösterildiği gibi görüntüleme yöntemini kullanın.
- “ \N Kodda gösterilen ” terimi bir sonraki çıktıya aşağıdaki satırdan başlamak için kullanılır. Çıkış görüntüsünü düzenli tutmak için kullanılır.
- Çıktıda görüntülenecek basit metin, '' içindeki 'ters virgüllere' eklenir. Yazdır() ” yöntem argümanı.
- Metnin devamında “ değişken ' basılacak.
Üslü çıktı
Not : Colab Notebook'umuza buradan ulaşabilirsiniz. bağlantı .
Profesyonel İpucu
PyTorch tensörlerindeki öğelerin üslerinin hesaplanması, milyonlarca veri satırına sahip karmaşık bir makine öğrenimi modelini çalıştırmadan önce ön işlemede çok önemli bir adım olabilir. Bu teknik, tüm sayısal veri değerlerini, donanım için çok daha kolay olacak şekilde küçük bir aralığa getirebilir ve böylece işlem süresini önemli ölçüde azaltabilir.
Başarı! Size bir PyTorch tensöründeki her bir elemanın üssünü nasıl hesaplayacağınızı gösterdik.
Çözüm
PyTorch'taki tüm Tensör elemanlarının üslerini önce tensörü tanımlayıp ardından “ meşale.exp() ' işlev. Bu blogda 1D ve 2D PyTorch tensörlerinin nasıl tanımlanacağını ve bu iki tensördeki her bir elemanın üssünün nasıl hesaplanacağını gösterdik.