Este blog discutirá cómo obtener los exponentes de elementos tensoriales en PyTorch.
¿Cuál es el uso de los exponentes en los tensores de PyTorch?
Las redes neuronales utilizan un patrón complejo para conectar múltiples entradas con múltiples salidas simultáneamente para imitar el funcionamiento del cerebro humano. Debajo de esta estructura se esconde un intrincado esqueleto de matemáticas fundamentales que hace posibles todas estas conexiones. Los exponentes son simplemente otro concepto matemático que ayuda a hacer la vida de los programadores y científicos de datos mucho más fácil.
Las características importantes del uso de exponentes en PyTorch se enumeran a continuación:
- El uso principal de los exponentes es llevar todos los datos dentro de un rango adecuado para un procesamiento más rápido.
- La tasa de decadencia se puede visualizar fácilmente utilizando funciones exponenciales.
- Cualquier tipo de datos que posea una tendencia exponencial se puede visualizar en una tendencia lineal utilizando el concepto de exponenciales.
¿Cómo calcular los exponentes de todos los elementos tensoriales en PyTorch?
El uso de tensores para almacenar valores de datos es una característica increíble para PyTorch debido a toda la funcionalidad y posibilidades de manipulación que ofrecen los tensores. Calcular exponentes para elementos tensoriales individuales es clave para gestionar datos dentro de límites más pequeños.
Siga los pasos que se indican a continuación para aprender cómo obtener los exponentes de elementos tensoriales individuales en PyTorch:
Paso 1: configurar Colab
El primer paso es configurar el IDE. Colaboratory by Google es una buena opción debido a sus GPU integradas disponibles gratuitamente para el cálculo de tensores. Ir a la colab sitio web y abre un “ Nuevo cuaderno ' como se muestra:
Paso 2: instalar e importar la biblioteca Torch
El framework PyTorch se basa en la unión del lenguaje de programación Python y la biblioteca Torch para el desarrollo de modelos de aprendizaje profundo. La instalación e importación del “ antorcha Esta biblioteca es esencial para comenzar cualquier proyecto en PyTorch:
!pip instalar antorchaimportar antorcha
El código anterior funciona de la siguiente manera:
- El ' !pepita El paquete de instalación de Python se utiliza para instalar paquetes y bibliotecas en PyTorch.
- A continuación, el “ importar El comando 'se utiliza para llamar a las bibliotecas y su funcionalidad para el proyecto:
Paso 3: definir un tensor de PyTorch 1D y 2D
En este tutorial, demostraremos el cálculo de exponentes de elementos tensoriales tanto de un ' 1D ' y un ' 2D ”Tensor de PyTorch. Comenzamos definiendo estos tensores:
pytorch_tensor = antorcha. tensor ( [ 10.0 , 21.0 , 94.0 , 38.0 ] )pytorch_tensor_2d = antorcha. tensor ( [ [ 2 , 5 , 1 ] , [ 9 , 2 , 9 ] , [ 1 , 7 , 1 ] ] )
El código anterior funciona de la siguiente manera:
- El ' tensor() El método 'se utiliza para ingresar tensores en PyTorch.
- El ' unidimensional El tensor solo tiene elementos en una sola fila como se muestra arriba.
- El ' bidimensional El tensor definido anteriormente tiene elementos en 3 columnas distintas y 3 filas distintas.
- Ambos tensores definidos están asignados a sus respectivos “ variables ”:
Paso 4: calcular los exponentes de cada elemento tensorial
Después de haber definido los tensores de PyTorch, es hora de definir el cálculo de “ exponentes ”de cada elemento en los dos tensores usando el “ antorcha.exp() ' método:
tensor_exponentes = antorcha. Exp ( pytorch_tensor )tensor_exponentes_2d = antorcha. Exp ( pytorch_tensor_2d )
El código anterior funciona de la siguiente manera:
- El ' Exp() La función 'se utiliza para calcular el exponente de cada elemento en un tensor.
- El ' 1D La variable tensorial se define como el argumento de la variable tensorial. Exp() ' y luego se asigna a la función ' tensor_exponentes ”variable como se muestra.
- A continuación, el “ 2D La variable tensorial también se define como el argumento de la variable tensorial. Exp() ' y luego se asigna a la función ' tensor_exponentes_2d ”variable como se muestra:
Paso 5: Imprima el resultado
El último paso es imprimir el resultado del cálculo de exponentes de cada elemento contenido dentro de los dos tensores usando el botón ' imprimir() ' método:
imprimir ( 'Tensor 1D original: \norte ' , pytorch_tensor )imprimir ( ' \norte Exponentes del tensor 1D: \norte ' , tensor_exponentes )
imprimir ( ' \norte Tensor 2D original: \norte ' , pytorch_tensor_2d )
imprimir ( ' \norte Exponentes del tensor 2D: \norte ' , tensor_exponentes_2d )
El código anterior funciona de la siguiente manera:
- Utilizar el ' imprimir() 'Método para mostrar el tensor 1D original en la salida y los exponentes de sus elementos.
- Luego, usa el mismo “ imprimir() 'Método para mostrar el tensor 2D original en la salida y los exponentes de sus elementos como se muestra.
- El ' \norte 'El término que se muestra en el código se utiliza para comenzar el siguiente resultado de la siguiente línea. Se utiliza para mantener organizada la visualización de salida.
- El texto simple que se mostrará en la salida se agrega entre 'comillas' dentro del ' imprimir() ”argumento del método.
- El texto va seguido del “ variable ”para imprimir.
Salida de exponentes
Nota : Puede acceder a nuestro Colab Notebook en este enlace .
Consejo profesional
Calcular exponentes de elementos en tensores de PyTorch puede resultar un paso crucial en el preprocesamiento antes de ejecutar un modelo complejo de aprendizaje automático con millones de filas de datos. Esta técnica puede llevar todos los valores de datos numéricos dentro de un rango pequeño que resultaría mucho más fácil para el hardware, reduciendo así significativamente el tiempo de procesamiento.
¡Éxito! Le hemos mostrado cómo calcular el exponente de cada elemento individual en un tensor de PyTorch.
Conclusión
Calcule los exponentes de todos los elementos tensoriales en PyTorch definiendo primero el tensor y luego, usando el comando ' antorcha.exp() ' función. En este blog, mostramos cómo definir un tensor de PyTorch 1D y 2D y cómo calcular el exponente de cada elemento en estos dos tensores.