機械学習フレームワーク

PyTorchの名前の由来

colabで使う

特徴

高速に動作

独自テンソル処理ライブラリ

NumPyより高速

データの前処理など

transformsを使う

Resize

CenterCrop

画像の切り抜き

Normalize

色情報の標準化

Tensor

イメージ的にはKerasなどではNumPyと併用していたが、

torchを使うことで、

x = torch.zeros(5, 4) のようにtorchが提供するもので同様のことが行える

NumPyとの連携もできる

お互いに変換したり、演算したり

.numpy() でTensorをnumpy型に変換

vectorやmatrixのことは全てtensorと呼ぶ

DataSet

データとそのラベルをペアにして保持したクラス

作られたインスタンスは前処理が終わったデータとラベルのペアになる

コンストラクタの引数に前処理クラスを渡すことで、自動的に前処理を行える

学習データと訓練データのそれぞれ用のインスタンスを作る

もちろん同じクラスから。

import torch.utils.data as data の data を継承してDataSetクラスを定義する

DataLoader

Datasetからどのようにデータを取り出すのかを設定するクラス

ミニバッチ学習とか

tourch.utils.data.DataLoader を使えばいい

訓練用と、検証用のDataLoaderを作成する

モデルを作る時の流れ

DataSetクラスを作成

事前に前処理クラスを作成する

DataLoaderクラスの作成

モデルを定義

順電波関数の定義

損失関数の定義

最適化手法の設定

学習

テストデータで推論

PyTorchで自動微分

docsにもある

torch.Tensor クラスでテンソルを扱う

.backward() で勾配を取得

.grad で勾配データを保持

.detach() で勾配をトラックしなくなる

.requires_grad_ で .requires_grad=True フラグを反転

Function クラス

v1.3

学習教材

tfからの移植