การแนะนำ นับตั้งแต่ฉันเริ่มสำรวจแนวคิดพื้นฐานต่างๆ ในสาขาการเรียนรู้ของเครื่องอันกว้างใหญ่ ฉันเริ่มพบงานวิจัยที่น่าทึ่งบางชิ้นที่ทำให้ฉันหลงใหลเมื่อเจาะลึกแนวคิดเหล่านั้นมากขึ้น 'Efficient BackProp' โดย Yann Lecun, Leon Bottou, Genevieve Orr และ Klaus-Robert Muller ก็เป็นหนึ่งในบทความที่สร้างแรงบันดาลใจให้ฉันเขียนเกี่ยวกับเรื่องนี้มากขึ้นเพื่อพยายามทำความเข้าใจให้ดีขึ้น เมื่อพิจารณาว่าฉันค่อนข้างใหม่ในด้านนี้ ฉันจึงเขียนบล็อกนี้เพื่อทำความเข้าใจบทความนี้ด้วยตัวเอง..

ตอนนี้ A.I, M.L เป็นประเด็นร้อน เราจะมาเรียนรู้เชิงลึกกัน มันจะค่อนข้างง่าย เพียงเพื่อรู้สถาปัตยกรรมพื้นฐานและสิ่งต่างๆ ก่อนที่เราจะก้าวไปข้างหน้า ตรวจสอบให้แน่ใจว่าคุณได้ตั้งค่า Python 3 และ Anaconda แล้ว ขั้นตอนทั้งหมดสำหรับการตั้งค่าและ repo สำหรับโค้ดสามารถดูได้ "ที่นี่" มาขุดกัน นำเข้าไลบรารี import torch import numpy as np from torchvision import datasets import torchvision.transforms as transforms from torch.utils.data.sampler import SubsetRandomSampler การเตรียมข้อมูล..

มกราคม 2020 เวลาที่ดีที่สุดในการเรียนรู้สิ่งใหม่ๆ เพื่อเสริมทักษะของเรา ดังนั้นฉันจึงตัดสินใจศึกษา PyTorch ด้วยกัน สำหรับผู้ที่ไม่คุ้นเคยกับ PyTorch บ้าง โปรดดูลิงก์ด้านล่าง ซึ่งเป็นเว็บไซต์อย่างเป็นทางการของห้องสมุด PyTorch แพลตฟอร์มการเรียนรู้เชิงลึกแบบโอเพ่นซอร์สที่ให้เส้นทางที่ราบรื่นตั้งแต่การสร้างต้นแบบการวิจัยไปจนถึงการใช้งานจริง pytorch.org PyTorch เป็นแพลตฟอร์มการเรียนรู้เชิงลึกแบบโอเพ่นซอร์สที่พัฒนาโดย FAIR..

หากคุณกำลังมองหาวิธีจัดระเบียบ จัดการ และบันทึกขั้นตอนและการดำเนินการระหว่างกระบวนการฝึกอบรม และไม่ต้องการใช้ PyTorch Lightning ไม่ต้องมองหาอีกต่อไป เราจะแบ่งตรรกะของผู้จัดการการฝึกอบรมออกเป็นหลายขั้นตอนโดยทำตามลำดับชั้นแบบคลาสสิกของการตั้งค่าการฝึกอบรม: ขั้นตอนระดับสูงที่สุดคือ การฝึกซ้อม ซึ่งครอบคลุมการฝึกทั้งหมดสำหรับไฮเปอร์พารามิเตอร์ชุดเดียว (จำนวนยุค การกำหนดค่าโมเดล อัตราการเรียนรู้ เครื่องมือเพิ่มประสิทธิภาพ ฯลฯ) ต่อไป เรามี ยุค..