บล็อกนี้จะกล่าวถึงวิธีรับเลขชี้กำลังขององค์ประกอบเทนเซอร์ใน PyTorch
การใช้เลขชี้กำลังใน PyTorch Tensors คืออะไร
โครงข่ายประสาทเทียมใช้รูปแบบที่ซับซ้อนในการเชื่อมต่ออินพุตหลายตัวเข้ากับเอาต์พุตหลายตัวพร้อมกันเพื่อเลียนแบบการทำงานของสมองมนุษย์ ภายใต้โครงสร้างนี้ มีโครงกระดูกที่ซับซ้อนของคณิตศาสตร์พื้นฐานอยู่ ซึ่งทำให้การเชื่อมโยงทั้งหมดนี้เป็นไปได้ เลขชี้กำลังเป็นอีกแนวคิดหนึ่งจากคณิตศาสตร์ที่ช่วยทำให้ชีวิตของโปรแกรมเมอร์และนักวิทยาศาสตร์ข้อมูลง่ายขึ้นมาก
คุณสมบัติที่สำคัญของการใช้เลขชี้กำลังใน PyTorch มีดังต่อไปนี้:
- การใช้เลขชี้กำลังหลักคือการนำข้อมูลทั้งหมดมาอยู่ในช่วงที่เหมาะสมเพื่อการประมวลผลที่รวดเร็วยิ่งขึ้น
- อัตราการสลายตัวสามารถมองเห็นได้ง่ายโดยใช้ฟังก์ชันเลขชี้กำลัง
- ข้อมูลประเภทใดก็ตามที่มีแนวโน้มแบบเอ็กซ์โปเนนเชียลสามารถแสดงเป็นภาพเป็นแนวโน้มเชิงเส้นได้โดยใช้แนวคิดเรื่องเอ็กซ์โพเนนเชียล
จะคำนวณเลขยกกำลังขององค์ประกอบเทนเซอร์ทั้งหมดใน PyTorch ได้อย่างไร
การใช้ Tensors เพื่อจัดเก็บค่าข้อมูลถือเป็นคุณสมบัติที่น่าทึ่งสำหรับ PyTorch เนื่องจากฟังก์ชันการทำงานและความเป็นไปได้ทั้งหมดสำหรับการจัดการที่นำโดยเทนเซอร์ การคำนวณเลขชี้กำลังสำหรับองค์ประกอบเมตริกซ์แต่ละรายการเป็นกุญแจสำคัญในการจัดการข้อมูลภายในขีดจำกัดที่เล็กลง
ทำตามขั้นตอนด้านล่างเพื่อเรียนรู้วิธีรับเลขชี้กำลังขององค์ประกอบเทนเซอร์แต่ละรายการใน PyTorch:
ขั้นตอนที่ 1: ตั้งค่า Colab
ขั้นตอนแรกคือการตั้งค่า IDE Colaboratory โดย Google เป็นตัวเลือกที่ดีเนื่องจากมี GPU ในตัวที่ให้บริการฟรีสำหรับการคำนวณเทนเซอร์ ไปที่โคลาบ เว็บไซต์ และเปิด “ โน๊ตบุ๊คใหม่ ' ตามที่ปรากฏ:
ขั้นตอนที่ 2: ติดตั้งและนำเข้าไลบรารี Torch
เฟรมเวิร์ก PyTorch มีพื้นฐานมาจากการรวมภาษาการเขียนโปรแกรม Python และไลบรารี Torch สำหรับการพัฒนาโมเดลการเรียนรู้เชิงลึก การติดตั้งและนำเข้า “ คบเพลิง ” ห้องสมุดเป็นสิ่งจำเป็นในการเริ่มต้นโครงการใด ๆ ใน PyTorch:
!pip ติดตั้งคบเพลิงนำเข้าไฟฉาย
รหัสข้างต้นทำงานดังนี้:
- “ !ปิ๊ป ” แพ็คเกจการติดตั้งโดย Python ใช้เพื่อติดตั้งแพ็คเกจและไลบรารีใน PyTorch
- ต่อไป “ นำเข้า ” คำสั่งใช้เพื่อเรียกไลบรารี่และฟังก์ชันการทำงานสำหรับโปรเจ็กต์:
ขั้นตอนที่ 3: กำหนด PyTorch Tensor 1D และ 2D
ในบทช่วยสอนนี้ เราจะสาธิตการคำนวณเลขยกกำลังขององค์ประกอบเทนเซอร์ของทั้ง ' 1D ” และ “ 2D ” PyTorch เทนเซอร์ เราเริ่มต้นด้วยการกำหนดเทนเซอร์เหล่านี้:
ไพทอร์ช_เทนเซอร์ = คบเพลิง. เทนเซอร์ ( [ 10.0 , 21.0 , 94.0 , 38.0 ] )ไพทอร์ช_เทนเซอร์_2d = คบเพลิง. เทนเซอร์ ( [ [ 2 , 5 , 1 ] , [ 9 , 2 , 9 ] , [ 1 , 7 , 1 ] ] )
รหัสข้างต้นทำงานดังนี้:
- “ เทนเซอร์() ” วิธีการใช้ในการป้อนข้อมูลเทนเซอร์ใน PyTorch
- “ 1 มิติ ” เทนเซอร์จะมีองค์ประกอบอยู่ในแถวเดียวเท่านั้นดังที่แสดงด้านบน
- “ 2 มิติ ” เทนเซอร์ที่กำหนดข้างต้นมีองค์ประกอบใน 3 คอลัมน์ที่แตกต่างกันและ 3 แถวที่แตกต่างกัน
- เทนเซอร์ทั้งสองที่กำหนดไว้นั้นถูกกำหนดให้กับ ' ตัวแปร ”:
ขั้นตอนที่ 4: คำนวณเลขชี้กำลังของแต่ละองค์ประกอบเทนเซอร์
หลังจากกำหนด PyTorch tensors แล้ว ก็ถึงเวลากำหนดการคำนวณของ “ เลขชี้กำลัง ” ของแต่ละองค์ประกอบในเทนเซอร์สองตัวโดยใช้เครื่องหมาย “ คบเพลิง.exp() ' วิธี:
tensor_exponents = คบเพลิง. ประสบการณ์ ( ไพทอร์ช_เทนเซอร์ )tensor_exponents_2d = คบเพลิง. ประสบการณ์ ( ไพทอร์ช_เทนเซอร์_2d )
รหัสข้างต้นทำงานดังนี้:
- “ ประสบการณ์() ฟังก์ชัน ” ใช้ในการคำนวณเลขชี้กำลังของแต่ละองค์ประกอบในเมตริกซ์
- “ 1D ” ตัวแปรเทนเซอร์ถูกกำหนดให้เป็นอาร์กิวเมนต์ของ “ ประสบการณ์() ” จากนั้นจึงกำหนดให้กับ “ tensor_exponents ” ตัวแปรตามที่แสดง
- ต่อไป “ 2D ” ตัวแปรเทนเซอร์ยังถูกกำหนดให้เป็นอาร์กิวเมนต์ของ “ ประสบการณ์() ” จากนั้นจึงกำหนดให้กับ “ tensor_exponents_2d ” ตัวแปรตามที่แสดง:
ขั้นตอนที่ 5: พิมพ์ผลลัพธ์
ขั้นตอนสุดท้ายคือการพิมพ์ผลลัพธ์ของการคำนวณเลขชี้กำลังของแต่ละองค์ประกอบที่อยู่ภายในเทนเซอร์สองตัวโดยใช้เครื่องหมาย “ พิมพ์() ' วิธี:
พิมพ์ ( 'เทนเซอร์ 1D ดั้งเดิม: \n ' , ไพทอร์ช_เทนเซอร์ )พิมพ์ ( ' \n เลขชี้กำลังของเทนเซอร์ 1D: \n ' , tensor_exponents )
พิมพ์ ( ' \n เทนเซอร์ 2D ดั้งเดิม: \n ' , ไพทอร์ช_เทนเซอร์_2d )
พิมพ์ ( ' \n เลขชี้กำลังของเทนเซอร์ 2D: \n ' , tensor_exponents_2d )
รหัสข้างต้นทำงานดังนี้:
- ใช้ ' พิมพ์() ” เพื่อแสดง 1D Tensor ดั้งเดิมในเอาต์พุตและเลขชี้กำลังขององค์ประกอบ
- แล้วใช้เหมือนเดิม” พิมพ์() ” เพื่อแสดง 2D Tensor ดั้งเดิมในเอาต์พุตและเลขชี้กำลังขององค์ประกอบดังที่แสดง
- “ \n ” คำที่แสดงในโค้ดใช้เพื่อเริ่มต้นเอาต์พุตถัดไปจากบรรทัดต่อไปนี้ ใช้เพื่อจัดระเบียบการแสดงผลเอาต์พุต
- ข้อความธรรมดาที่จะแสดงในเอาต์พุตจะถูกเพิ่มใน 'เครื่องหมายจุลภาคแบบกลับด้าน' ภายใน ' พิมพ์() อาร์กิวเมนต์วิธีการ
- ข้อความตามด้วย “ ตัวแปร ” ที่จะพิมพ์
เอาท์พุทเลขชี้กำลัง
บันทึก : คุณสามารถเข้าถึง Colab Notebook ของเราได้ที่นี้ ลิงค์ .
โปรทิป
การคำนวณเลขชี้กำลังขององค์ประกอบใน PyTorch tensors สามารถพิสูจน์ได้ว่าเป็นขั้นตอนสำคัญในการประมวลผลล่วงหน้าก่อนที่จะรันโมเดลการเรียนรู้ของเครื่องที่ซับซ้อนซึ่งมีข้อมูลหลายล้านแถว เทคนิคนี้สามารถนำค่าข้อมูลตัวเลขทั้งหมดมาไว้ในช่วงเล็กๆ ซึ่งจะทำให้ฮาร์ดแวร์ง่ายกว่ามาก ซึ่งช่วยลดเวลาในการประมวลผลได้อย่างมาก
ความสำเร็จ! เราได้แสดงให้คุณเห็นถึงวิธีคำนวณเลขชี้กำลังของทุกองค์ประกอบใน PyTorch tensor
บทสรุป
คำนวณเลขชี้กำลังขององค์ประกอบ Tensor ทั้งหมดใน PyTorch โดยกำหนดเทนเซอร์ก่อน จากนั้นจึงใช้เครื่องหมาย “ คบเพลิง.exp() ' การทำงาน. ในบล็อกนี้ เราได้จัดแสดงวิธีการกำหนด PyTorch tensor 1D และ 2D และวิธีการคำนวณเลขชี้กำลังของแต่ละองค์ประกอบในเทนเซอร์สองตัวนี้