Wie erhalte ich die Exponenten von Tensorelementen in PyTorch?

In diesem Blog wird erläutert, wie man die Exponenten von Tensorelementen in PyTorch erhält.

Wozu dienen Exponenten in PyTorch-Tensoren?

Neuronale Netze nutzen ein komplexes Muster, um mehrere Eingaben gleichzeitig mit mehreren Ausgaben zu verbinden und so die Funktionsweise des menschlichen Gehirns nachzuahmen. Unter dieser Struktur verbirgt sich ein kompliziertes Skelett grundlegender Mathematik, das all diese Zusammenhänge ermöglicht. Exponenten sind einfach ein weiteres Konzept aus der Mathematik, das das Leben von Programmierern und Datenwissenschaftlern erheblich erleichtert.

Nachfolgend sind wichtige Merkmale der Verwendung von Exponenten in PyTorch aufgeführt:

• Der Hauptzweck von Exponenten besteht darin, die gesamten Daten für eine schnellere Verarbeitung in einen geeigneten Bereich zu bringen.
• Die Abklingrate kann mithilfe von Exponentialfunktionen leicht visualisiert werden.
• Jede Art von Daten, die einen exponentiellen Trend aufweisen, kann mithilfe des Konzepts der Exponentialfunktionen in einem linearen Trend visualisiert werden.

Wie berechnet man Exponenten aller Tensorelemente in PyTorch?

Die Verwendung von Tensoren zum Speichern von Datenwerten ist aufgrund der vielen Funktionen und Manipulationsmöglichkeiten, die Tensoren mit sich bringen, eine unglaubliche Funktion für PyTorch. Die Berechnung von Exponenten für einzelne Tensorelemente ist der Schlüssel zur Datenverwaltung innerhalb kleinerer Grenzen.

Befolgen Sie die folgenden Schritte, um zu erfahren, wie Sie die Exponenten einzelner Tensorelemente in PyTorch erhalten:

Schritt 1: Colab einrichten

Der erste Schritt besteht darin, die IDE einzurichten. Colaboratory von Google ist aufgrund seiner frei verfügbaren integrierten GPUs für die Berechnung von Tensoren eine gute Wahl. Gehe zum Colab Webseite und öffnen Sie ein „ Neues Notizbuch ' wie gezeigt:

Schritt 2: Installieren und importieren Sie die Torch-Bibliothek

Das PyTorch-Framework basiert auf der Vereinigung der Programmiersprache Python und der Torch-Bibliothek zur Entwicklung von Deep-Learning-Modellen. Die Installation und der Import des „ Fackel Die Bibliothek ist für den Beginn jedes Projekts in PyTorch unerlässlich:

Der obige Code funktioniert wie folgt:

• Der ' !Pip Das Installationspaket von Python wird zum Installieren von Paketen und Bibliotheken in PyTorch verwendet.
• Als nächstes wird das „ importieren Mit dem Befehl „“ werden Bibliotheken und deren Funktionalität für das Projekt aufgerufen:

Schritt 3: Definieren Sie einen 1D- und einen 2D-PyTorch-Tensor

In diesem Tutorial demonstrieren wir die Berechnung von Exponenten von Tensorelementen beider „ 1D ' und ein ' 2D „PyTorch-Tensor. Wir beginnen mit der Definition dieser Tensoren:

Der obige Code funktioniert wie folgt:

• Der ' Tensor() Die Methode wird zur Eingabe von Tensoren in PyTorch verwendet.
• Der ' 1-dimensional „Tensor hat nur Elemente in einer einzelnen Zeile, wie oben gezeigt.
• Der ' Zweidimensional Der oben definierte Tensor hat Elemente in drei verschiedenen Spalten und drei verschiedenen Zeilen.
• Beide definierten Tensoren sind ihren jeweiligen „“ zugeordnet. Variablen ”:

Schritt 4: Berechnen Sie die Exponenten jedes Tensorelements

Nachdem Sie die PyTorch-Tensoren definiert haben, ist es an der Zeit, die Berechnung von „ Exponenten ” jedes Elements in den beiden Tensoren unter Verwendung der „ Torch.exp() ' Methode:

Der obige Code funktioniert wie folgt:

• Der ' exp() Die Funktion „wird verwendet, um den Exponenten jedes Elements in einem Tensor zu berechnen.
• Der ' 1D Die Tensorvariable ist definiert als das Argument des „ exp() ”-Funktion und wird dann der Funktion „ tensor_exponents ” Variable wie gezeigt.
• Als nächstes wird das „ 2D Die Tensorvariable wird auch als Argument des „ exp() ”-Funktion und wird dann der Funktion „ tensor_exponents_2d ” Variable wie gezeigt:

Schritt 5: Drucken Sie die Ausgabe

Der letzte Schritt besteht darin, die Ausgabe der Berechnung der Exponenten jedes in den beiden Tensoren enthaltenen Elements auszudrucken, indem man „ drucken() ' Methode:

Der obige Code funktioniert wie folgt:

• Benutzen Sie die „ drucken() ”-Methode, um den ursprünglichen 1D-Tensor in der Ausgabe und die Exponenten seiner Elemente anzuzeigen.
• Dann verwenden Sie dasselbe „ drucken() ”-Methode, um den ursprünglichen 2D-Tensor in der Ausgabe und die Exponenten seiner Elemente wie gezeigt anzuzeigen.
• Der ' \N Der im Code angezeigte Begriff wird verwendet, um die nächste Ausgabe in der folgenden Zeile zu beginnen. Es wird verwendet, um die Ausgabeanzeige organisiert zu halten.
• Der einfache Text, der in der Ausgabe angezeigt werden soll, wird in den „Anführungszeichen“ innerhalb des „ drucken() ” Methodenargument.
• Dem Text folgt das „ Variable ' um gedruckt zu werden.

Exponentenausgabe

Notiz : Hier können Sie auf unser Colab-Notizbuch zugreifen Verknüpfung .

Profi-Tipp

Die Berechnung von Exponenten von Elementen in PyTorch-Tensoren kann sich als entscheidender Schritt in der Vorverarbeitung erweisen, bevor ein komplexes maschinelles Lernmodell mit Millionen von Datenzeilen ausgeführt wird. Mit dieser Technik können alle numerischen Datenwerte in einen kleinen Bereich gebracht werden, der sich für die Hardware als weitaus einfacher erweisen würde, wodurch die Verarbeitungszeit erheblich verkürzt wird.

Erfolg! Wir haben Ihnen gezeigt, wie Sie den Exponenten jedes einzelnen Elements in einem PyTorch-Tensor berechnen.

Abschluss

Berechnen Sie die Exponenten aller Tensorelemente in PyTorch, indem Sie zuerst den Tensor definieren und dann die „ Torch.exp() ” Funktion. In diesem Blog haben wir gezeigt, wie man einen 1D- und einen 2D-PyTorch-Tensor definiert und wie man den Exponenten jedes Elements in diesen beiden Tensoren berechnet.