PyTorch бол уян хатан байдал, ашиглахад хялбар гэдгээрээ алдартай нээлттэй эхийн гүнзгий сургалтын систем юм.
PyTorch нь зураг таних, хэл боловсруулах зэрэг программуудад түгээмэл хэрэглэгддэг машин сургалтын нэг төрөл болох гүнзгий суралцах загвар бүтээх бүрэн онцлогтой хүрээ юм. Python хэл дээр бичигдсэн бөгөөд ихэнх машин сургалтын хөгжүүлэгчид сурч, ашиглахад харьцангуй хялбар байдаг. PyTorch нь GPU-г маш сайн дэмждэг.
Яагаад Pytorch гэж?
PyTorch бол Facebook AI Research болон бусад хэд хэдэн лабораторийн хөгжүүлэгчдийн бүтээл юм. Pytorch нь хөгжүүлэгчдэд танил болсон програмчлалын аргыг ашиглах боломжийг олгодог боловч граф хэлбэрээр гаргадаг.
![](https://www.nvidia.com/content/dam/en-zz/Solutions/glossary/data-science/pytorch/img-1.png)
PyTorch нь Python хэл дээр бичигдсэн бөгөөд Python хэлнээс дуудагдсан үйлдлүүдийг гүйцэтгэхийн тулд тухайн хэлний зайлшгүй гүйцэтгэх горимыг ашигладаг тул Python хөгжүүлэгчдийн дунд ашиглагддаг. Python програмчлалын хэл түгээмэл хэвээр байгаа тул судалгаагаар хиймэл оюун ухаан болон машин сургалтын даалгавруудад илүү их анхаарал хандуулж, түүнтэй холбоотой PyTorch-ийг илүү ихээр нэвтрүүлж байгааг харуулсан. Энэ нь PyTorch-ийг гүнзгийрүүлэн суралцаж буй шинэ Python хөгжүүлэгчдийн хувьд сайн сонголт болгож байгаа бөгөөд PyTorch дээр суурилсан гүнзгий суралцах курсуудын өсөн нэмэгдэж буй номын сан юм. API нь анхны хувилбараасаа тогтвортой хэвээр байгаа бөгөөд энэ код нь Python-ийн туршлагатай хөгжүүлэгчдэд ойлгоход харьцангуй хялбар гэсэн үг юм.
Pytorch хэрхэн ажилладаг вэ?
PyTorch болон TensorFlow нь хоёулангийнх нь үндсэн бүрэлдэхүүн хэсэг нь тензор болон граф байдгаараа төстэй юм.
Граф
Мэдрэлийн сүлжээ нь оролтын параметрүүдэд үүрлэсэн функцуудын цуглуулгыг ашиглах замаар оролтын өгөгдлийг хувиргадаг. Гүнзгий суралцах зорилго нь эдгээр параметрүүдийг (PyTorch-д тензорт хадгалагддаг жин ба хазайлтаас бүрддэг) алдагдлын хэмжигдэхүүнтэй холбоотой хэсэгчилсэн деривативуудыг (градиент) тооцоолох замаар оновчтой болгох явдал юм. Урагш тархах үед мэдрэлийн сүлжээ нь оролтын параметрүүдийг авч, онооны алдааг тооцоолох гаралтын давхаргад хүрэх хүртэл дараагийн түвшний зангилаанууд руу итгэлийн оноог гаргадаг. Градиент десант гэж нэрлэгддэг процессын доторх буцаах замаар алдааг дахин сүлжээгээр дамжуулж, жинг нь тохируулснаар загварыг сайжруулдаг.
Граф нь холбогдсон зангилаа (орой гэж нэрлэдэг) ба ирмэгүүдээс бүрдэх өгөгдлийн бүтэц юм. Гүнзгий суралцах орчин үеийн хүрээ бүр нь графикийн үзэл баримтлал дээр суурилдаг бөгөөд мэдрэлийн сүлжээг тооцооллын график бүтэц хэлбэрээр төлөөлдөг. PyTorch нь Функцийн объектуудаас бүрдэх чиглэгдсэн циклийн графикт (DAG) тензор болон гүйцэтгэсэн үйлдлүүдийн бүртгэлийг хөтөлдөг. Энэ DAG-д навч нь оролтын тензор, үндэс нь гаралтын тензор юм.
![](http://35.237.221.209/wp-content/uploads/2023/07/image.png)
PyTorch нь TensorFlow гэх мэт статик граф фреймворкуудын чадавхи, гүйцэтгэлд тохирсон анхны тодорхойлогдох гүнзгийрүүлсэн сургалтын систем бөгөөд энэ нь стандарт эргэлтийн сүлжээнээс эхлээд давтагдах мэдрэлийн сүлжээ хүртэл бүх зүйлд тохиромжтой.
Архитектурын хувьд CPU нь хэд хэдэн програм хангамжийн хэлхээг нэгэн зэрэг удирдах боломжтой олон кэш санах ойтой хэдхэн цөмөөс бүрддэг. Үүний эсрэгээр, GPU нь олон мянган утсыг нэгэн зэрэг удирдах боломжтой хэдэн зуун цөмөөс бүрддэг.
![](http://35.237.221.209/wp-content/uploads/2023/07/image-1.png)