PyTorch - Istilah

Dalam bab ini, kita akan membahas beberapa istilah yang paling umum digunakan di PyTorch.

PyTorch NumPy

Tensor PyTorch identik dengan array NumPy. Tensor adalah larik berdimensi n dan sehubungan dengan PyTorch, ia menyediakan banyak fungsi untuk beroperasi pada tensor ini.

Tensor PyTorch biasanya menggunakan GPU untuk mempercepat komputasi numeriknya. Tensor yang dibuat di PyTorch ini dapat digunakan untuk menyesuaikan jaringan dua lapisan ke data acak. Pengguna dapat secara manual mengimplementasikan forward dan backward melewati jaringan.

Variabel dan Autograd

Saat menggunakan autograd, penerusan jaringan Anda akan menentukan a computational graph - node dalam grafik akan menjadi Tensor, dan edge akan menjadi fungsi yang menghasilkan Tensor keluaran dari Tensor input.

Tensor PyTorch dapat dibuat sebagai objek variabel di mana variabel mewakili node dalam grafik komputasi.

Grafik Dinamis

Grafik statis bagus karena pengguna dapat mengoptimalkan grafik di depan. Jika pemrogram menggunakan kembali grafik yang sama berulang kali, maka pengoptimalan di muka yang berpotensi mahal ini dapat dipertahankan karena grafik yang sama dijalankan ulang berulang kali.

Perbedaan utama di antara keduanya adalah grafik komputasi Tensor Flow bersifat statis dan PyTorch menggunakan grafik komputasi dinamis.

Paket Optim

Paket optim di PyTorch mengabstraksi gagasan tentang algoritme pengoptimalan yang diimplementasikan dalam banyak cara dan memberikan ilustrasi algoritme pengoptimalan yang umum digunakan. Ini bisa disebut dalam pernyataan impor.

Multiprocessing

Multiprocessing mendukung operasi yang sama, sehingga semua tensor bekerja pada banyak prosesor. Antrian akan memindahkan datanya ke memori bersama dan hanya akan mengirim pegangan ke proses lain.