PyTorch 該怎么學？太簡單了

作者：啥都生 2024-03-07 12:45:27

挺多小伙伴問過PyTorch該怎么學，經過長期實踐來看，初學者需要熟知的概念和用法真的不多，以下總結的簡明指南一起看看吧。

挺多小伙伴問過PyTorch該怎么學，經過長期實踐來看，初學者需要熟知的概念和用法真的不多，以下總結的簡明指南一起看看吧！

構建Tensor

PyTorch 中的 Tensors 是多維數組，類似于 NumPy 的 ndarrays，但可以在 GPU 上運行：

import torch

# Create a 2x3 tensor
tensor = torch.tensor([[1, 2, 3], [4, 5, 6]])
print(tensor)

動態計算圖

PyTorch 使用動態計算圖，在執行操作時即時構建計算圖，這為在運行時修改圖形提供了靈活性：

# Define two tensors
a = torch.tensor([2.], requires_grad=True)
b = torch.tensor([3.], requires_grad=True)

# Compute result
c = a * b
c.backward()

# Gradients
print(a.grad)  # Gradient w.r.t a

GPU加速

PyTorch 允許在 CPU 和 GPU 之間輕松切換。使用 .to(device) 即可：

device = "cuda" if torch.cuda.is_available() else "cpu"
tensor = tensor.to(device)

Autograd：自動微分

PyTorch 的 autograd 為tensor的所有運算提供了自動微分功能，設置 requires_grad=True可以跟蹤計算：

x = torch.tensor([2.], requires_grad=True)
y = x**2
y.backward()
print(x.grad)  # Gradient of y w.r.t x

模塊化神經網絡

PyTorch 提供了 nn.Module 類來定義神經網絡架構，通過子類化創建自定義層：

import torch.nn as nn

class SimpleNN(nn.Module):

    def __init__(self):
        super().__init__()
        self.fc = nn.Linear(1, 1)
        
    def forward(self, x):
        return self.fc(x)

預定義層和損失函數

PyTorch 在 nn 模塊中提供了各種預定義層、損失函數和優化算法：

loss_fn = nn.CrossEntropyLoss()
optimizer = torch.optim.Adam(model.parameters(), lr=0.001)

Dataset 與 DataLoader

為實現高效的數據處理和批處理，PyTorch 提供了 Dataset 和 DataLoader 類：

from torch.utils.data import Dataset, DataLoader

class CustomDataset(Dataset):
    # ... (methods to define)
    
data_loader = DataLoader(dataset, batch_size=32, shuffle=True)

模型訓練（循環）

通常PyTorch 的訓練遵循以下模式：前向傳播、計算損失、反向傳遞和參數更新：

for epoch in range(epochs):
    for data, target in data_loader:
        optimizer.zero_grad()
        output = model(data)
        loss = loss_fn(output, target)
        loss.backward()
        optimizer.step()

模型序列化

使用 torch.save() 和 torch.load() 保存并加載模型：

# Save
torch.save(model.state_dict(), 'model_weights.pth')

# Load
model.load_state_dict(torch.load('model_weights.pth'))

JIT

PyTorch 默認以eager模式運行，但也為模型提供即時（JIT）編譯：

scripted_model = torch.jit.script(model)
scripted_model.save("model_jit.pt")

責任編輯：趙寧寧來源：啥都會一點的研究生

PyTorch