[Pembelajaran cepat] Pengantar Pytorch ①: Coba gunakan obor
Apa itu PyTorch
PyTorch adalah kerangka pembelajaran mendalam yang dikembangkan oleh Facebook. Dibandingkan dengan TensorFlow dan keras, populasi penggunanya kecil, tetapi menampilkan format Tentukan dengan menjalankan yang memungkinkan konstruksi jaringan yang fleksibel, dan berkembang pesat.Ini awalnya merupakan cabang dari Chainer, tetapi karena menyebar luas di antara para peneliti di dunia Barat sebelumnya, PFN tampaknya telah menghentikan Chainer dan bekerja sama serta bergabung dalam pengembangan PyTorch.
PyTorch menampilkan dua hal:
・ "Torch" setara dengan NumPy yang dapat dipercepat oleh GPU
・ Platform pembelajaran mendalam tipe DefineByRun yang fleksibel dan cepat
Anda dapat menginstal PyTorch dari halaman resminya di sini:https://pytorch.org/
Detail tercakup dalam banyak artikel Jepang (Referensi:Pengantar PyTorch!6 dasar yang harus Anda ketahui tentang popularitas PyTorch yang sedang booming)
Cara menggunakan Obor
Di Pytorch, meskipun Anda memasukkan data tipe numpy, Anda tidak dapat menghitung, dan menggunakan tipe data torch.tensor untuk melakukan perhitungan.Oleh karena itu, data harus dibuat dan dikonversi dengan tipe torch.tensor.Ini hampir seperti numpy, tetapi dengan GPU Nvidia untuk matematika cepat.
Selain itu, modul torch berisi struktur data untuk tensor multidimensi (seperti matriks orde tinggi), yang dapat digunakan untuk melakukan kalkulasi tensor dan konversi jenis secara efisien.
Dalam [2]:
・ Anda dapat memeriksa ukuran tensor dengan .size()
・ Elemen matriks dapat diekstraksi dengan mengiris daftar, dan dapat ditangani dengan cara yang sama seperti array numpy.
Dalam [3]: Operasi dasar seperti penjumlahan, pengurangan, dan pembedaan dapat dilakukan.
Dalam [4]: Bentuk ulang array dengan .view()
Dalam [5]: Dapat dipertukarkan dengan numpy
Dalam [6]: Lewati .to(device) untuk menghitung pada GPU