Deep Learning With PyTorch - Full Course
क्या आप सीखेंगे
- पाइ टॉर्च में टेंसर्स का उपयोग करना और उनके साथ बुनियादी संचालन करना
- पाइ टॉर्च में ऑटोग्रेड पैकेज का उपयोग करके ग्रेडियंट्स की गणना करना
- पाइ टॉर्च में बैकप्रोपेगेशन अल्गोरिथ्म को लागू करना
मुख्य अवधारणाएं
पाइ टॉर्च में टेंसर्स एक बहुत ही महत्वपूर्ण अवधारणा है, जो न्यूम्पी आरे के समान होती है। टेंसर्स का उपयोग करके हम अपने डेटा को पाइ टॉर्च में संग्रहीत कर सकते हैं और इसके साथ बुनियादी संचालन कर सकते हैं। ऑटोग्रेड पैकेज पाइ टॉर्च का एक महत्वपूर्ण हिस्सा है, जो हमें ग्रेडियंट्स की गणना करने में मदद करता है। यह पैकेज हमें अपने मॉडल को प्रशिक्षित करने में मदद करता है। बैकप्रोपेगेशन अल्गोरिथ्म एक महत्वपूर्ण अल्गोरिथ्म है जो हमें अपने मॉडल को प्रशिक्षित करने में मदद करता है। यह अल्गोरिथ्म हमें ग्रेडियंट्स की गणना करने में मदद करता है और हमें अपने मॉडल को अद्यतन करने में मदद करता है।
कोड उदाहरण
x = torch.tensor([1.0])
y = torch.tensor([2.0])
w = torch.tensor([1.0], requires_grad=True)
यह कोड टेंसर्स का उपयोग करके तीन वेरिएबल्स x, y, और w को परिभाषित करता है।
z = x * w
loss = (z - y) ** 2
यह कोड टेंसर्स का उपयोग करके दो वेरिएबल्स z और loss को परिभाषित करता है।
loss.backward()
print(w.grad)
यह कोड ऑटोग्रेड पैकेज का उपयोग करके ग्रेडियंट्स की गणना करता है और w के ग्रेडियंट को प्रिंट करता है।
पाठ सारांश
इस पाठ में, हमने पाइ टॉर्च में टेंसर्स का उपयोग करना और उनके साथ बुनियादी संचालन करना सीखा। हमने ऑटोग्रेड पैकेज का उपयोग करके ग्रेडियंट्स की गणना करना भी सीखा। हमने बैकप्रोपेगेशन अल्गोरिथ्म को लागू करना भी सीखा, जो हमें अपने मॉडल को प्रशिक्षित करने में मदद करता है। हमने देखा कि कैसे पाइ टॉर्च में टेंसर्स और ऑटोग्रेड पैकेज का उपयोग करके हम अपने मॉडल को प्रशिक्षित कर सकते हैं और ग्रेडियंट्स की गणना कर सकते हैं।
अभ्यास व्यायाम
एक सरल न्यूरल नेटवर्क बनाएं जो दो इनपुट्स और एक आउटपुट के साथ हो। इसके लिए पाइ टॉर्च में टेंसर्स और ऑटोग्रेड पैकेज का उपयोग करें।
आगे क्या है
अब आप पाइ टॉर्च में टेंसर्स और ऑटोग्रेड पैकेज का उपयोग करना जानते हैं। अगले पाठ में, हम न्यूरल नेटवर्क्स के बारे में सीखेंगे और देखेंगे कि कैसे पाइ टॉर्च में न्यूरल नेटवर्क्स को लागू किया जा सकता है।