PyTorch - คำศัพท์

ในบทนี้เราจะพูดถึงคำศัพท์ที่ใช้บ่อยที่สุดใน PyTorch

PyTorch NumPy

PyTorch tensor เหมือนกับอาร์เรย์ NumPy เทนเซอร์เป็นอาร์เรย์ n มิติและในส่วนที่เกี่ยวกับ PyTorch จะมีฟังก์ชันมากมายในการทำงานกับเทนเซอร์เหล่านี้

โดยปกติแล้วเทนเซอร์ PyTorch จะใช้ GPU เพื่อเร่งการคำนวณตัวเลข เทนเซอร์เหล่านี้ที่สร้างขึ้นใน PyTorch สามารถใช้เพื่อให้พอดีกับเครือข่ายสองชั้นกับข้อมูลแบบสุ่ม ผู้ใช้สามารถใช้การส่งผ่านไปข้างหน้าและข้างหลังผ่านเครือข่ายได้ด้วยตนเอง

ตัวแปรและ Autograd

เมื่อใช้ autograd การส่งต่อเครือข่ายของคุณจะกำหนด a computational graph - โหนดในกราฟจะเป็น Tensors และ edge จะเป็นฟังก์ชันที่สร้างเอาต์พุต Tensors จากอินพุต Tensors

PyTorch Tensors สามารถสร้างเป็นออบเจ็กต์ตัวแปรโดยที่ตัวแปรแสดงถึงโหนดในกราฟการคำนวณ

กราฟแบบไดนามิก

กราฟคงเป็นสิ่งที่ดีเพราะผู้ใช้สามารถปรับกราฟให้เหมาะสมได้ หากโปรแกรมเมอร์ใช้กราฟเดิมซ้ำแล้วซ้ำอีกการเพิ่มประสิทธิภาพล่วงหน้าที่อาจมีค่าใช้จ่ายสูงนี้สามารถคงไว้ได้เนื่องจากกราฟเดียวกันจะถูกเรียกใช้ซ้ำแล้วซ้ำอีก

ความแตกต่างที่สำคัญระหว่างกราฟเหล่านี้คือกราฟการคำนวณของ Tensor Flow เป็นแบบคงที่และ PyTorch ใช้กราฟการคำนวณแบบไดนามิก

Optim Package

แพ็คเกจการเพิ่มประสิทธิภาพใน PyTorch สรุปแนวคิดของอัลกอริทึมการเพิ่มประสิทธิภาพซึ่งนำไปใช้ในหลาย ๆ วิธีและให้ภาพประกอบของอัลกอริทึมการปรับให้เหมาะสมที่ใช้กันทั่วไป สิ่งนี้สามารถเรียกได้ภายในคำสั่งนำเข้า

การประมวลผลหลายขั้นตอน

การประมวลผลหลายตัวรองรับการดำเนินการเดียวกันเพื่อให้เทนเซอร์ทั้งหมดทำงานบนโปรเซสเซอร์หลายตัว คิวจะย้ายข้อมูลไปยังหน่วยความจำที่ใช้ร่วมกันและจะส่งเฉพาะจุดจับไปยังกระบวนการอื่นเท่านั้น