Ранее вы, возможно, сталкивались с библиотеками с открытым исходным кодом, предлагающими среды обучения с подкреплением. Область RL добилась впечатляющих успехов, особенно в сочетании с глубоким обучением. Новые разработки позволяют решать еще более сложные задачи. Несколько методов и ресурсов глубокого обучения способствовали этому прогрессу. С помощью PyTorch вы можете создавать сложные модели глубокого обучения, используя всего несколько строк кода Python.
В этой статье нет исчерпывающего руководства по глубокому обучению PyTorch. Это обширная и постоянно развивающаяся область. Тем не менее, мы изучим внутреннюю работу PyTorch, включая мельчайшие детали реализации, а также библиотеки более высокого уровня, которые используют PyTorch для решения распространенных проблем глубокого обучения. Мы также продемонстрируем зажигание PyTorch на различных примерах презентаций.
Тензоры
В качестве основы наборы инструментов DL обычно используют тензоры. Многомерные массивы, такие как тензоры, состоят из нескольких измерений и также называются многомерными массивами. Математически одиночное число можно сравнить с нулевой точкой, тогда как вектор подобен одномерному отрезку, а матрица двумерна. Несмотря на отсутствие конкретного названия, формы параллелепипеда часто используются для представления чисел в трех измерениях. Мы можем продолжать называть наборы за пределами двух измерений тензорами.
Тензор в глубоком обучении отличается от тензора в тензорном исчислении или тензорной алгебре по ряду причин. В отличие от тензоров глубокого обучения, которые по сути представляют собой многомерные массивы, математические тензоры представляют собой сопоставления между векторными пространствами. Важно проявлять осторожность, когда математики используют разные термины для одного и того же понятия.
Создание тензоров
NumPy — это библиотека для работы с многомерными массивами, поэтому понимание библиотеки имеет решающее значение. Тензор NumPy — это массив в NumPy. Различные вычислительные приложения используют тензоры для хранения научных данных. Цветное изображение, например, может быть представлено в виде трехмерного тензора, состоящего из ширины, высоты и размеров цветовой плоскости.
Они обладают уникальными свойствами, помимо своих размеров, что делает их уникальными. Помимо своих свойств, эти элементы включают…
