Ta blog bo razpravljal o tem, kako pridobiti eksponente tenzorskih elementov v PyTorchu.
Kakšna je uporaba eksponentov v tenzorjih PyTorch?
Nevronske mreže uporabljajo kompleksen vzorec za povezavo več vhodov z več izhodi hkrati, da posnemajo delovanje človeških možganov. Pod to strukturo leži zapleteno okostje temeljne matematike, ki omogoča vse te povezave. Eksponenti so preprosto še en koncept iz matematike, ki pomaga olajšati življenje programerjev in podatkovnih znanstvenikov.
Spodaj so navedene pomembne značilnosti uporabe eksponentov v PyTorchu:
- Glavna uporaba eksponentov je spraviti celotne podatke v primeren obseg za hitrejšo obdelavo.
- Hitrost razpadanja je mogoče enostavno prikazati z uporabo eksponentnih funkcij.
- Vsako vrsto podatkov, ki imajo eksponentni trend, je mogoče vizualizirati v linearnem trendu z uporabo koncepta eksponent.
Kako izračunati eksponente vseh tenzorskih elementov v PyTorchu?
Uporaba tenzorjev za shranjevanje podatkovnih vrednosti je neverjetna funkcija za PyTorch zaradi vseh funkcionalnosti in možnosti za manipulacijo, ki jih prinašajo tenzorji. Izračun eksponentov za posamezne tenzorske elemente je ključnega pomena za upravljanje podatkov v manjših mejah.
Sledite spodnjim korakom, da se naučite pridobiti eksponente posameznih tenzorskih elementov v PyTorchu:
1. korak: Nastavite Colab
Prvi korak je nastavitev IDE. Colaboratory by Google je dobra izbira zaradi prosto dostopnih integriranih grafičnih procesorjev za izračun tenzorjev. Pojdite v Colab Spletna stran in odprite ' Nov zvezek ' kot je prikazano:
2. korak: Namestite in uvozite knjižnico Torch
Ogrodje PyTorch temelji na združitvi programskega jezika Python in knjižnice Torch za razvoj modelov globokega učenja. Namestitev in uvoz » svetilka ” knjižnica je bistvena za začetek katerega koli projekta v PyTorchu:
!pip namestite svetilkouvozna svetilka
Zgornja koda deluje na naslednji način:
- ' !pip ” namestitveni paket Python se uporablja za namestitev paketov in knjižnic v PyTorch.
- Nato je ' uvoz ” ukaz se uporablja za klicanje knjižnic in njihove funkcionalnosti za projekt:
3. korak: Definirajte 1D in 2D tenzor PyTorch
V tej vadnici bomo prikazali izračun eksponentov tenzorskih elementov obeh a ' 1D « in » 2D ” Tenzor PyTorch. Začnemo z definiranjem teh tenzorjev:
pytorch_tenzor = svetilka. tenzor ( [ 10.0 , 21.0 , 94,0 , 38,0 ] )pytorch_tensor_2d = svetilka. tenzor ( [ [ 2 , 5 , 1 ] , [ 9 , 2 , 9 ] , [ 1 , 7 , 1 ] ] )
Zgornja koda deluje na naslednji način:
- ' tenzor() ” se uporablja za vnos tenzorjev v PyTorch.
- ' 1-dimenzionalno ” tenzor ima samo elemente v eni vrstici, kot je prikazano zgoraj.
- ' 2-dimenzionalni ” zgoraj definiran tenzor ima elemente v 3 različnih stolpcih in 3 različnih vrsticah.
- Oba definirana tenzorja sta dodeljena svojim ' spremenljivke ”:
4. korak: Izračunajte eksponente vsakega tenzorskega elementa
Ko smo definirali tenzorje PyTorch, je čas, da definiramo izračun ' eksponenti ' vsakega elementa v obeh tenzorjih z uporabo ' torch.exp() ” metoda:
tenzorski_eksponenti = svetilka. exp ( pytorch_tenzor )tenzorski_eksponenti_2d = svetilka. exp ( pytorch_tensor_2d )
Zgornja koda deluje na naslednji način:
- ' exp() ” se uporablja za izračun eksponenta vsakega elementa v tenzorju.
- ' 1D ' tenzorska spremenljivka je definirana kot argument ' exp() « in je nato dodeljena funkciji » tenzorski_eksponenti ”, kot je prikazano.
- Nato je ' 2D ' tenzorska spremenljivka je definirana tudi kot argument ' exp() « in je nato dodeljena funkciji » tenzorski_eksponenti_2d ”, kot je prikazano:
5. korak: Natisnite izhod
Zadnji korak je tiskanje rezultatov izračuna eksponentov vsakega elementa, ki ga vsebujeta dva tenzorja, z uporabo ' natisni() ” metoda:
tiskanje ( 'Izvirni 1D tenzor: \n ' , pytorch_tenzor )tiskanje ( ' \n Eksponenti 1D tenzorja: \n ' , tenzorski_eksponenti )
tiskanje ( ' \n Izvirni 2D tenzor: \n ' , pytorch_tensor_2d )
tiskanje ( ' \n Eksponenti 2D tenzorja: \n ' , tenzorski_eksponenti_2d )
Zgornja koda deluje na naslednji način:
- Uporabi ' natisni() ” za prikaz izvirnega 1D tenzorja v izhodu in eksponentov njegovih elementov.
- Nato uporabite isto ' natisni() ” za prikaz izvirnega 2D tenzorja v izhodu in eksponentov njegovih elementov, kot je prikazano.
- ' \n ” Izraz, prikazan v kodi, se uporablja za začetek naslednjega izhoda iz naslednje vrstice. Uporablja se za organiziranost izhodnega prikaza.
- Preprosto besedilo, ki naj bo prikazano v izpisu, je dodano v 'navedenih vejicah' znotraj ' natisni() ” argument metode.
- Besedilu sledi » spremenljivka ”, ki bo natisnjen.
Izhod eksponentov
Opomba : Do našega zvezka Colab lahko dostopate tukaj povezava .
Pro-Nasvet
Izračunavanje eksponentov elementov v tenzorjih PyTorch se lahko izkaže za ključni korak v predprocesiranju pred izvajanjem zapletenega modela strojnega učenja z milijoni vrstic podatkov. Ta tehnika lahko pripelje vse številske vrednosti podatkov v majhnem obsegu, kar bi se izkazalo za veliko lažje za strojno opremo, s čimer se bistveno skrajša čas obdelave.
uspeh! Pokazali smo vam, kako izračunati eksponent vsakega posameznega elementa v tenzorju PyTorch.
Zaključek
Izračunajte eksponente vseh elementov tenzorja v PyTorchu tako, da najprej definirate tenzor in nato uporabite » torch.exp() ”. V tem blogu smo predstavili, kako definirati 1D in 2D tenzor PyTorch in kako izračunati eksponent vsakega elementa v teh dveh tenzorjih.