Jak získat exponenty tenzorových prvků v PyTorch?

Tento blog bude diskutovat o tom, jak získat exponenty tenzorových prvků v PyTorch.

Jaké je použití exponentů v tenzorech PyTorch?

Neuronové sítě využívají složitý vzor k připojení více vstupů k více výstupům současně, aby napodobily fungování lidského mozku. Pod touto strukturou se skrývá složitá kostra základní matematiky, která umožňuje všechna tato spojení. Exponenty jsou prostě další koncept z matematiky, který pomáhá výrazně usnadnit život programátorům a datovým vědcům.

Důležité vlastnosti použití exponentů v PyTorch jsou uvedeny níže:

• Hlavním využitím exponentů je uvést celá data do vhodného rozsahu pro rychlejší zpracování.
• Rychlost rozpadu lze snadno vizualizovat pomocí exponenciálních funkcí.
• Jakýkoli typ dat, která mají exponenciální trend, lze vizualizovat v lineárním trendu pomocí konceptu exponenciály.

Jak vypočítat exponenty všech prvků tenzoru v PyTorch?

Použití tenzorů pro ukládání datových hodnot je pro PyTorch neuvěřitelnou funkcí, protože tenzory nabízejí všechny funkce a možnosti manipulace. Výpočet exponentů pro jednotlivé prvky tenzoru je klíčový pro správu dat v menších limitech.

Postupujte podle níže uvedených kroků, abyste se naučili, jak získat exponenty jednotlivých prvků tenzoru v PyTorch:

Krok 1: Nastavte Colab

Prvním krokem je nastavení IDE. Colaboratory od Google je dobrá volba, protože má volně dostupné integrované GPU pro výpočet tenzorů. Jděte do Colabu webová stránka a otevřete ' Nový notebook ' jak je znázorněno:

Krok 2: Nainstalujte a importujte knihovnu pochodně

Rámec PyTorch je založen na spojení programovacího jazyka Python a knihovny Torch pro vývoj modelů hlubokého učení. Instalace a import „ pochodeň ” knihovna je nezbytná pro zahájení jakéhokoli projektu v PyTorch:

Výše uvedený kód funguje následovně:

• ' !pip ” instalační balíček od Pythonu se používá k instalaci balíčků a knihoven v PyTorch.
• Dále, „ import ” příkaz se používá k volání knihoven a jejich funkčnosti pro projekt:

Krok 3: Definujte 1D a 2D PyTorch Tensor

V tomto tutoriálu si předvedeme výpočet exponentů tenzorových prvků obou „ 1D “ a „ 2D 'Tensor PyTorch.' Začneme definováním těchto tenzorů:

Výše uvedený kód funguje následovně:

• ' tenzor() ” metoda se používá k zadávání tenzorů v PyTorch.
• ' 1-rozměrný ” tenzor má prvky pouze v jedné řadě, jak je znázorněno výše.
• ' 2-rozměrný ” tenzor definovaný výše má prvky ve 3 různých sloupcích a 3 různých řádcích.
• Oba definované tenzory jsou přiřazeny jejich příslušným „ proměnné “:

Krok 4: Vypočítejte exponenty každého prvku tenzoru

Po definování tenzorů PyTorch je čas definovat výpočet „ exponenty “ každého prvku ve dvou tenzorech pomocí „ torch.exp() “ metoda:

Výše uvedený kód funguje následovně:

• ' exp() Funkce ” se používá k výpočtu exponentu každého prvku v tenzoru.
• ' 1D 'tensor proměnná je definována jako argument ' exp() “ a je pak přiřazena k “ tensor_exponents ” proměnná, jak je znázorněno.
• Dále, „ 2D ” tenzorová proměnná je také definována jako argument argumentu “ exp() “ a je pak přiřazena k “ tensor_exponents_2d ” proměnná, jak je znázorněno:

Krok 5: Vytiskněte výstup

Posledním krokem je tisk výstupu výpočtu exponentů každého prvku obsaženého ve dvou tenzorech pomocí „ tisk() “ metoda:

Výše uvedený kód funguje následovně:

• Použijte „ tisk() ” metoda k zobrazení původního 1D tenzoru na výstupu a exponentů jeho prvků.
• Poté použijte stejný ' tisk() ” metoda k zobrazení původního 2D tenzoru na výstupu a exponentů jeho prvků, jak je znázorněno.
• ' \n ” výraz uvedený v kódu se používá k zahájení dalšího výstupu z následujícího řádku. Slouží k uspořádání výstupního zobrazení.
• Jednoduchý text, který se má zobrazit na výstupu, je přidán do „uvozených čárek“ v rámci „ tisk() “ argument metody.
• Za textem následuje „ variabilní “ k vytištění.

Výstup exponentů

Poznámka : K našemu zápisníku Colab máte přístup zde odkaz .

Profesionální tip

Výpočet exponentů prvků v tenzorech PyTorch se může ukázat jako zásadní krok v předběžném zpracování před spuštěním složitého modelu strojového učení s miliony řádků dat. Tato technika může přinést všechny číselné hodnoty dat v malém rozsahu, což by se ukázalo jako mnohem jednodušší pro hardware, čímž se výrazně zkrátí doba zpracování.

Úspěch! Ukázali jsme vám, jak vypočítat exponent každého jednotlivého prvku v tenzoru PyTorch.

Závěr

Vypočítejte exponenty všech prvků tenzoru v PyTorch tak, že nejprve definujte tenzor a poté pomocí „ torch.exp() funkce “. V tomto blogu jsme si ukázali, jak definovat 1D a 2D PyTorch tenzor a jak vypočítat exponent každého prvku v těchto dvou tenzorech.