Bagaimana cara menggunakan pytorch dalam buku nota?

Pytorch telah muncul sebagai perpustakaan pembelajaran mesin terbuka yang terkemuka, disukai oleh penyelidik dan pemaju untuk graf pengiraan dinamik dan kemudahan penggunaannya. Sebagai pembekal notebook, saya telah melihat peningkatan permintaan daripada pelanggan yang ingin menggunakan buku nota untuk bereksperimen dengan pytorch. Di blog ini, saya akan membimbing anda melalui proses menggunakan pytorch dalam persekitaran notebook, sama ada fizikalJurnal Kulit A6Untuk menyenaraikan idea atau buku nota digital seperti buku nota Jupyter untuk pengekodan sebenar.

Mengapa menggunakan buku nota untuk pytorch?

Notebook menawarkan kelebihan yang unik apabila bekerja dengan Pytorch. Mereka menyediakan persekitaran interaktif di mana anda boleh menulis, menjalankan, dan mengubahsuai kod dalam ketulan kecil dan terkawal. Anda juga boleh menambah penjelasan teks, visualisasi, dan sel Markdown untuk mendokumenkan proses pemikiran anda. Ini menjadikan buku nota sebagai alat yang ideal untuk prototaip, meneroka data, dan berkongsi kerja anda dengan orang lain.

Menyiapkan Persekitaran Anda

Sebelum anda boleh mula menggunakan Pytorch dalam buku nota, anda perlu menyediakan persekitaran anda. Berikut adalah langkah -langkah:

1. Pasang python

Pytorch adalah perpustakaan Python, jadi anda perlu memasang Python pada sistem anda. Anda boleh memuat turun versi terkini Python dari laman web Python rasmi (python.org). Ia disyorkan untuk menggunakan Python 3.6 atau lebih tinggi.

2. Pasang Pytorch

Terdapat beberapa cara untuk memasang pytorch. Cara paling mudah ialah menggunakan perintah pemasangan pytorch rasmi, yang boleh anda dapati di laman web Pytorch (pytorch.org). Perintah ini akan berbeza -beza bergantung kepada sistem operasi anda, versi CUDA (jika anda ingin menggunakan pecutan GPU), dan pengurus pakej yang anda suka (PIP atau CONFA).

Sebagai contoh, jika anda menggunakan PIP pada sistem CPU - sahaja, anda boleh menggunakan arahan berikut:

Pip Pasang Torch Torchvision

3. Pasang persekitaran notebook

Terdapat beberapa persekitaran notebook yang tersedia, tetapi buku nota Jupyter adalah yang paling popular. Anda boleh memasang buku nota Jupyter menggunakan PIP:

PIP Pasang Jupyter

Sebaik sahaja dipasang, anda boleh memulakan buku nota Jupyter dengan menjalankan arahan berikut di terminal anda:

Notebook Jupyter

Ini akan membuka tetingkap penyemak imbas baru dengan papan pemuka Notebook Jupyter, di mana anda boleh membuat dan menguruskan buku nota anda.

Bermula dengan pytorch dalam buku nota

Sekarang persekitaran anda ditubuhkan, mari kita mula menggunakan pytorch dalam buku nota.

1. Mengimport Pytorch

Langkah pertama dalam mana -mana projek pytorch adalah untuk mengimport perpustakaan. Dalam sel notebook Jupyter, anda boleh melakukan ini seperti berikut:

obor import

Anda juga boleh mengimport perpustakaan berguna lain, sepertiTorchvisionUntuk tugas penglihatan komputer:

import obor obor oborvision.transforms sebagai transformasi

2. Bekerja dengan tensor

Tensor adalah struktur data asas dalam pytorch. Mereka sama dengan array Numpy tetapi boleh digunakan pada GPU untuk pengiraan yang lebih cepat. Anda boleh membuat tensor di pytorch seperti ini:

# Buat Tensor 2x3 x = obor.tensor ([[1, 2, 3], [4, 5, 6]]) cetak (x)

Anda boleh melakukan pelbagai operasi pada tensor, seperti tambahan, pendaraban, dan membentuk semula. Contohnya:

# Tambah dua tensor y = obor.tensor ([[7, 8, 9], [10, 11, 12]]) z = x + y cetak (z)

3. Membina rangkaian saraf yang mudah

Salah satu kes penggunaan pytorch yang paling biasa ialah membina rangkaian saraf. Berikut adalah contoh mudah rangkaian saraf untuk mengklasifikasikan digit tulisan tangan menggunakan dataset MNIST:

import obor.nn sebagai nn import obor.nn.functional sebagai f # mentakrifkan net kelas rangkaian saraf mudah (nn.module): def __init __ (diri): super (bersih, diri). x.view (-1, 784) x = f.relu (self.fc1 (x)) x = self.fc2 (x) kembali x net = net () # memuatkan transformasi dataset mnist = transforms.totensor () TorchVision.DataSets.mnist (root = './Data', Train = true, muat turun = benar, transform = transform) TrainLoader = torch.utils.data.dataloader (trainset, batch_size = 64, shuffle = true) lr = 0.001, momentum = 0.9) # Melatih rangkaian untuk zaman dalam julat (2): running_loss = 0.0 untuk i, data dalam enumerate (trainloader, 0): input, label = data optimizer.zero_grad () output = net (input) 199: cetak (f '[{epoch + 1}, {i + 1: 5d}] kehilangan: {running_loss / 200: .3f}') running_loss = 0.0 cetak ('latihan selesai')

Menggunakan buku nota untuk dokumentasi dan percubaan

Sebagai pembekal notebook, saya memahami pentingnya menggunakan buku nota bukan sahaja untuk pengekodan tetapi juga untuk dokumentasi dan eksperimen. Anda boleh menggunakan sel Markdown dalam buku nota Jupyter untuk menulis penjelasan terperinci mengenai kod anda, mendokumenkan eksperimen anda, dan berkongsi penemuan anda.

Sebagai contoh, anda boleh menulis sel Markdown untuk menerangkan tujuan rangkaian saraf yang baru anda bina:

### Penjelasan Rangkaian Neural Rangkaian saraf yang kami bina adalah rangkaian suapan mudah - ke hadapan dengan dua lapisan yang disambungkan sepenuhnya. Lapisan pertama mengambil input saiz 784 (imej yang diratakan dari digit tulisan tangan 28x28) dan memetakannya kepada 128 unit tersembunyi. Lapisan kedua memaparkan 128 unit tersembunyi hingga 10 unit output, sepadan dengan kelas 10 digit (0 - 9). Kami menggunakan fungsi pengaktifan relu di lapisan pertama untuk memperkenalkan linearity, dan lapisan output menggunakan fungsi softmax secara tersirat melalui fungsi `crossentropyloss`.

Anda juga boleh menggunakan buku nota untuk bereksperimen dengan hiperparameter yang berbeza, seperti kadar pembelajaran, saiz batch, dan bilangan unit tersembunyi. Dengan menjejaki eksperimen anda dalam buku nota, anda boleh membandingkan hasilnya dengan mudah dan memilih konfigurasi terbaik.

Tawaran Notebook kami

Sebagai pembekal notebook, kami menawarkan pelbagai buku nota yang boleh digunakan untuk pembangunan pytorch. Sama ada anda memerlukan aNotebook Spiral dengan hardcoveruntuk mengambil nota semasa sesi pengekodan anda atauNota telus melekitUntuk menandakan coretan kod penting, kami telah dilindungi.

Buku nota kami dibuat dari bahan berkualiti tinggi dan direka untuk memenuhi keperluan profesional dan pelajar. Mereka datang dalam pelbagai saiz, warna, dan gaya, jadi anda boleh memilih yang sesuai dengan pilihan anda.

Hubungi kami untuk perolehan

Jika anda berminat untuk membeli buku nota kami untuk projek pytorch anda atau apa -apa keperluan pejabat lain, kami ingin mendengar daripada anda. Hubungi kami untuk memulakan perbincangan perolehan dan cari penyelesaian notebook terbaik untuk keperluan anda.

Rujukan

• Dokumentasi Rasmi Pytorch (pytorch.org/docs)
• Dokumentasi Rasmi Notebook Jupyter (jupyter.org/documentation)
• Goodfellow, I., Bengio, Y., & Courville, A. (2016). Pembelajaran mendalam. MIT Press.