pytorch學習紀錄

pytorch學習紀錄

作者為淡江資工學生，寫這一份文章純為練習文筆表達及邏輯釐清，順便記錄學習軌跡，如有問題歡迎告知(本人邏輯欠佳，但需要一個練習且受公評的地方，還請多多見諒。)

今天要解說的是Pytorch，而了解Pytorch的第一個問題，就是甚麼是Pytorch?

1.甚麼是pytorch?

根據網路，pytorch是一個開源的python機器學習庫，底層由c++實踐，是一個隸屬於linux基金會的bsd授權自由軟體，首次釋出於2016年10月，至現在時間2023/12/26最新版本為2.1.2，適用於cuda11.8及12.1，最主要的特色是自動微分即類似陣列適用於nvdia gpu的張量。

2.如何學習?

官方就有官方課程，可google翻譯，接下來將以官方課程為主軸進行介紹。

官方教程:https://pytorch.org/tutorials/

3.第一站learn the basic

第一步:導入函示庫

import torch
from torch import nn
from torch.utils.data import DataLoader #utils是"實用程式"意思
from torchvision import datasets
from torchvision.transforms import ToTensor

pytorch有兩個處理資料的關鍵字，分別是dataloader及dataset，dataset中處存樣本(sample)及標籤(label),dataloader將基於dataset製作可迭代物件。其中 dataset包括許多常見實用訓練資料像coco(物件追蹤)及minist(手寫辨識)(想要的功能都可以在https://pytorch.org/vision/stable/datasets.html找到，都有提供導入程式碼及相關細節)。

每個 TorchVision類型dataset都包含兩個參數：transform 和 target_transform，分別用於修改樣本(sample)和標籤(label)。

接下來將以Minist為範例解說

第二步:download from dataset

# Download training data from open datasets.
training_data = datasets.FashionMNIST(
    root="data",
    train=True, #training train
    download=True,
    transform=ToTensor(),#轉為張量
)

# Download test data from open datasets.
test_data = datasets.FashionMNIST(
    root="data",
    train=False, #test not train
    download=True,
    transform=ToTensor(),#轉為張量
)

補充(可略過):將dataset可視化

labels_map = {
    0: "T-Shirt",
    1: "Trouser",
    2: "Pullover",
    3: "Dress",
    4: "Coat",
    5: "Sandal",
    6: "Shirt",
    7: "Sneaker",
    8: "Bag",
    9: "Ankle Boot",
}#dictionary
figure = plt.figure(figsize=(8, 8))
cols, rows = 3, 3
for i in range(1, cols * rows + 1):
    sample_idx = torch.randint(len(training_data), size=(1,)).item()#torch.randint(low=0, high, size,
    img, label = training_data[sample_idx]
    figure.add_subplot(rows, cols, i)
    plt.title(labels_map[label])
    plt.axis("off")
    plt.imshow(img.squeeze(), cmap="gray")
plt.show()

第二步:建立databuilder

batch_size = 64 #訓練批次

# Create data loaders.
train_dataloader = DataLoader(training_data, batch_size=batch_size)
test_dataloader = DataLoader(test_data, batch_size=batch_size)

for X, y in test_dataloader:
    print(f"Shape of X [N, C, H, W]: {X.shape}")
    print(f"Shape of y: {y.shape} {y.dtype}")
    break

未完