Како добити експоненте тензорских елемената у ПиТорцх-у?

Kako Dobiti Eksponente Tenzorskih Elemenata U Pitorch U



Коришћење кључних математичких концепата чини ПиТорцх савршено вештим у руковању сложеним алгоритмима савремених модела машинског учења. Експоненцијална је рачунска функција која има позитивну вредност и показује раст. Користи се за скалирање великих количина података у прихватљиве границе ради лакше обраде у ПиТорцх моделима.

Овај блог ће разговарати о томе како да добијете експоненте тензорских елемената у ПиТорцх-у.

Која је употреба експонента у ПиТорцх тензорима?

Неуронске мреже користе сложен образац за повезивање више улаза са више излаза истовремено како би опонашали функционисање људског мозга. Испод ове структуре, налази се замршен костур фундаменталне математике који чини све ове везе могућим. Експоненти су једноставно још један концепт из математике који помаже да се олакша живот програмера и научника података.







Важне карактеристике употребе експонента у ПиТорцх-у су наведене у наставку:



  • Главна употреба експонената је да се целокупни подаци доведу у одговарајући опсег за бржу обраду.
  • Брзина распадања може се лако визуализовати коришћењем експоненцијалних функција.
  • Било који тип података који има експоненцијални тренд може се визуализовати у линеарном тренду коришћењем концепта експоненцијала.

Како израчунати експоненте свих тензорских елемената у ПиТорцху?

Употреба тензора за чување вредности података је невероватна карактеристика за ПиТорцх због свих функционалности и могућности за манипулацију које доносе тензори. Израчунавање експонената за појединачне тензорске елементе је кључно за управљање подацима у мањим границама.



Пратите доле наведене кораке да бисте научили како да добијете експоненте појединачних тензорских елемената у ПиТорцх-у:





Корак 1: Подесите Цолаб

Први корак је подешавање ИДЕ-а. Цолаборатори од Гоогле-а је добар избор због својих бесплатно доступних интегрисаних ГПУ-а за израчунавање тензора. Иди у Цолаб веб сајт и отвори „ Нова бележница ' као што је приказано:



Корак 2: Инсталирајте и увезите библиотеку Торцх

ПиТорцх оквир је заснован на уједињењу програмског језика Питхон и библиотеке Торцх за развој модела дубоког учења. Инсталација и увоз “ бакља ” библиотека је неопходна за почетак било ког пројекта у ПиТорцх-у:

!пип инсталл торцх
увозна бакља

Горњи код ради на следећи начин:

  • !пип ” инсталациони пакет компаније Питхон се користи за инсталирање пакета и библиотека у ПиТорцх-у.
  • Затим, „ увоз ” команда се користи за позивање библиотека и њихове функционалности за пројекат:

Корак 3: Дефинишите 1Д и 2Д ПиТорцх тензор

У овом туторијалу ћемо демонстрирати израчунавање експонента тензорских елемената за оба „ ” и а “ ” ПиТорцх тензор. Почињемо са дефинисањем ових тензора:

питорцх_тенсор = бакља. тензор ( [ 10.0 , 21.0 , 94.0 , 38.0 ] )
питорцх_тенсор_2д = бакља. тензор ( [ [ 2 , 5 , 1 ] , [ 9 , 2 , 9 ] , [ 1 , 7 , 1 ] ] )

Горњи код ради на следећи начин:

  • тензор() ” метода се користи за унос тензора у ПиТорцх.
  • 1-димензионални ” тензор има само елементе у једном реду као што је приказано изнад.
  • 2-димензионални ” горе дефинисан тензор има елементе у 3 различите колоне и 3 различита реда.
  • Оба дефинисана тензора су додељена њиховим одговарајућим „ Променљиве ”:

Корак 4: Израчунајте експоненте сваког тензорског елемента

Након што смо дефинисали ПиТорцх тензоре, време је да дефинишемо израчунавање „ експоненти ” сваког елемента у два тензора користећи „ торцх.екп() ” метод:

тенсор_екпонентс = бакља. екп ( питорцх_тенсор )
тенсор_екпонентс_2д = бакља. екп ( питорцх_тенсор_2д )

Горњи код ради на следећи начин:

  • екп() ” функција се користи за израчунавање експонента сваког елемента у тензору.
  • ” променљива тензора је дефинисана као аргумент „ екп() ” функцију и она се затим додељује функцији „ тенсор_екпонентс ” променљива као што је приказано.
  • Затим, „ ” променљива тензора је такође дефинисана као аргумент „ екп() ” функцију и она се затим додељује функцији „ тенсор_екпонентс_2д ” променљива као што је приказано:

Корак 5: Одштампајте излаз

Последњи корак је штампање резултата израчунавања експонента сваког елемента садржаног у два тензора користећи „ принт() ” метод:

принт ( 'Оригинални 1Д тензор: ' , питорцх_тенсор )
принт ( ' Експоненти 1Д тензора: ' , тенсор_екпонентс )

принт ( ' Оригинални 2Д тензор: ' , питорцх_тенсор_2д )
принт ( ' Експоненти 2Д тензора: ' , тенсор_екпонентс_2д )

Горњи код ради на следећи начин:

  • Користити ' принт() ” метода за приказ оригиналног 1Д тензора у излазу и експонената његових елемената.
  • Затим користите исти „ принт() ” за приказ оригиналног 2Д тензора на излазу и експонената његових елемената као што је приказано.
  • ” израз приказан у коду се користи за почетак следећег излаза из следећег реда. Користи се за одржавање организованог приказа излаза.
  • Једноставан текст који треба да се прикаже у излазу се додаје у „обрнутим зарезима“ у оквиру „ принт() ” аргумент методе.
  • Након текста следи „ променљива ” за штампање.

Експоненти излаз

Белешка : Можете приступити нашој Цолаб бележници на овом месту линк .

Про врх

Израчунавање експонената елемената у ПиТорцх тензорима може се показати као кључни корак у претходној обради пре покретања сложеног модела машинског учења са милионима редова података. Ова техника може довести све нумеричке вредности података у мали опсег који би се показао далеко лакшим за хардвер, чиме се значајно смањује време обраде.

Успех! Показали смо вам како да израчунате експонент сваког појединачног елемента у ПиТорцх тензору.

Закључак

Израчунајте експоненте свих тензорских елемената у ПиТорцх-у тако што ћете прво дефинисати тензор, а затим, користећи „ торцх.екп() ” функција. У овом блогу смо приказали како да дефинишемо 1Д и 2Д ПиТорцх тензор и како да израчунамо експонент сваког елемента у ова два тензора.