Selles ajaveebis arutatakse, kuidas saada PyTorchis tensorelementide eksponente.
Mis on eksponentide kasutamine PyTorchi tensorites?
Närvivõrgud kasutavad keerukat mustrit, et ühendada mitu sisendit korraga mitme väljundiga, et jäljendada inimaju toimimist. Selle struktuuri all peitub keerukas fundamentaalse matemaatika karkass, mis teeb kõik need seosed võimalikuks. Eksponentid on lihtsalt üks matemaatika mõiste, mis aitab programmeerijate ja andmeteadlaste elu palju lihtsamaks muuta.
PyTorchis eksponentide kasutamise olulised funktsioonid on loetletud allpool:
- Eksponentide peamine kasutusala on kogu andmete kiireks töötlemiseks sobivasse vahemikku viimine.
- Lagunemise kiirust saab eksponentsiaalsete funktsioonide abil hõlpsasti visualiseerida.
- Igat tüüpi andmeid, millel on eksponentsiaalne trend, saab eksponentsiaalide kontseptsiooni kasutades visualiseerida lineaarse trendina.
Kuidas arvutada PyTorchis kõigi tensorielementide eksponente?
Tensorite kasutamine andmeväärtuste salvestamiseks on PyTorchi jaoks uskumatu funktsioon, kuna tensorid pakuvad kõiki funktsioone ja manipuleerimisvõimalusi. Üksikute tensorielementide eksponentide arvutamine on andmete haldamisel väiksemates piirides võtmetähtsusega.
Järgige alltoodud samme, et õppida, kuidas PyTorchis üksikute tensorielementide eksponente hankida.
1. toiming: seadistage Colab
Esimene samm on IDE seadistamine. Google'i Colaboratory on hea valik selle vabalt saadaolevate integreeritud GPU-de tõttu tensorite arvutamiseks. Minge Colabi veebisait ja avage ' Uus märkmik ' nagu näidatud:
2. samm: installige ja importige taskulampide teek
PyTorchi raamistik põhineb Python programmeerimiskeele ja Torchi teegi liidul süvaõppe mudelite arendamiseks. installimine ja importimine tõrvik ” teek on PyTorchis mis tahes projekti alustamiseks hädavajalik:
!pip install taskulampimport tõrvik
Ülaltoodud kood töötab järgmiselt:
- ' !pip Pythoni installipaketti kasutatakse pakettide ja teekide installimiseks PyTorchis.
- Järgmiseks ' importida ” käsku kasutatakse teekide ja nende funktsioonide kutsumiseks projekti jaoks:
3. samm: defineerige 1D ja 2D PyTorchi tensor
Selles õpetuses demonstreerime mõlema a 'tensorelementide eksponentide arvutamist 1D ” ja „ 2D PyTorchi tensor. Alustuseks määratleme need tensorid:
pytorch_tensor = tõrvik. tensor ( [ 10.0 , 21.0 , 94,0 , 38,0 ] )pytorch_tensor_2d = tõrvik. tensor ( [ [ 2 , 5 , 1 ] , [ 9 , 2 , 9 ] , [ 1 , 7 , 1 ] ] )
Ülaltoodud kood töötab järgmiselt:
- ' tensor () ” meetodit kasutatakse PyTorchis tensorite sisestamiseks.
- ' 1-mõõtmeline ” tensoril on elemente ainult ühes reas, nagu ülal näidatud.
- ' 2-mõõtmeline Ülaltoodud tensoril on elemendid 3 erinevas veerus ja 3 erinevas reas.
- Mõlemad määratletud tensorid on määratud nende vastavatele ' muutujad ”:
4. samm: arvutage iga tensorielemendi eksponendid
Pärast PyTorchi tensorite määratlemist on aeg määratleda eksponendid ' iga elemendi kahes tensoris, kasutades ' torch.exp() ” meetod:
tensor_eksponentid = tõrvik. eksp ( pytorch_tensor )tensor_eksponents_2d = tõrvik. eksp ( pytorch_tensor_2d )
Ülaltoodud kood töötab järgmiselt:
- ' exp() Funktsiooni kasutatakse tensori iga elemendi eksponendi arvutamiseks.
- ' 1D ' tensori muutuja on määratletud kui '' exp() funktsioon ja seejärel määratakse see funktsioonile tensor_eksponentid ” muutuja, nagu näidatud.
- Järgmiseks ' 2D ' tensorimuutuja on samuti defineeritud kui '' exp() funktsioon ja seejärel määratakse see funktsioonile tensor_eksponents_2d ” muutuja, nagu näidatud:
5. samm: printige väljund
Viimane samm on trükkida kahes tensoris sisalduva iga elemendi eksponentide arvutamise väljund, kasutades ' print() ” meetod:
printida ( Algne 1D tensor: \n ' , pytorch_tensor )printida ( ' \n 1D-tensori eksponendid: \n ' , tensor_eksponentid )
printida ( ' \n Algne 2D Tensor: \n ' , pytorch_tensor_2d )
printida ( ' \n 2D-tensori eksponendid: \n ' , tensor_eksponents_2d )
Ülaltoodud kood töötab järgmiselt:
- Kasuta ' print() ” meetod originaalse 1D-tensori kuvamiseks väljundis ja selle elementide eksponente.
- Seejärel kasutage sama ' print() ” meetod, et kuvada väljundis originaal 2D-tensor ja selle elementide eksponendid, nagu näidatud.
- ' \n Koodis näidatud terminit kasutatakse järgmise väljundi alustamiseks järgmiselt realt. Seda kasutatakse väljundekraani korrastamiseks.
- Lihtne tekst, mida väljundis kuvatakse, lisatakse 'pöördkomadesse' print() ” meetodi argument.
- Tekstile järgneb ' muutuv ” trükitakse.
Eksponentide väljund
Märge : meie Colabi märkmikule pääsete juurde siit link .
Pro-Tip
Elementide eksponentide arvutamine PyTorchi tensorites võib osutuda eeltöötluse oluliseks sammuks enne keeruka masinõppemudeli käivitamist, mis sisaldab miljoneid andmerida. See meetod võib viia kõik arvandmete väärtused väikesesse vahemikku, mis osutub riistvara jaoks palju lihtsamaks, vähendades seeläbi oluliselt töötlemisaega.
Edu! Näitasime teile, kuidas arvutada PyTorchi tensoris iga üksiku elemendi eksponenti.
Järeldus
Arvutage PyTorchis kõigi Tensori elementide eksponendid, määrates esmalt tensori ja seejärel kasutades ' torch.exp() ” funktsioon. Selles ajaveebis tutvustasime, kuidas määratleda 1D ja 2D PyTorchi tensorit ning kuidas arvutada nende kahe tensori iga elemendi eksponenti.