Önce, Python ortamınıza PyTorch`u yüklemeniz gerekecek. Bunu yapmanın en kolay yolu — pip
veya conda
aracını kullanın. pytorch.org adresini ziyaret edin ve Python yorumlayıcınızın ve kullanmak istediğiniz paket yöneticinizin sürümünü yükleyin.
# Bu Python kodunu bir Jupyter not defterinde çalıştırabiliriz
# doğru sürümü otomatik olarak yüklemek için
# http://pytorch.org / işletim sisteminden içe aktarma yolundan
`dan < kod sınıfı = "plain"> wheel.pep425tags içe aktar
get_abbr_impl, get_impl_ver, get_abi_tag
platform
=
`{} {} - {}`
format
(get_abbr_impl (), get_impl_ver (), get_abi_tag ())
hızlandırıcı
=
`cu80`
if
path.exists (
`/ opt / bin / nvidia-smi`
/
{hızlandırıcı}
/
meşale
-
0.3
.
linux_x86_64.whl torchvision
PyTorch kuruluyken şimdi başlayalım koda bakın.
Gerekli kitaplık işlevlerini ve nesnelerini içe aktarmak için aşağıdaki iki satırı yazın.
Ayrıca bazı veriler tanımlıyoruz ve bunu x_data ve y_data değişkenlerine atıyoruz, em> aşağıdaki gibidir:
Burada x_data & #8212; bağımsız değişkenimiz ve y_data — bağımlı değişkenimiz. Şimdilik veri setimiz bu olacak. Ardından, modelimizi tanımlamamız gerekiyor. Modelimizi tanımlamanın iki ana adımı vardır. Bunlar:
Aşağıdaki sınıfı kullanıyoruz:
Gördüğünüz gibi, Model sınıfımız torch.nn.module öğesinin bir alt sınıfıdır. Ayrıca burada sadece bir girdimiz ve bir çıktımız olduğu için girdi ve çıktı boyutu 1 olan doğrusal bir model kullanıyoruz. Ardından bu modelin bir nesnesini oluşturuyoruz.
Bundan sonra bir optimize edici seçin ve kayıp kriterleri. Burada kayıp fonksiyonumuz olarak ortalama karesel hatayı (MSE) ve optimize edicimiz olarak Stokastik Gradyan İnişini (SGD) kullanacağız. Ayrıca öğrenme oranını isteğe bağlı olarak 0,01 olarak sabitliyoruz.
Bağlantılar |