PyTorch இல் ஒரு மாதிரி லேயரின் எடையை எவ்வாறு பெறுவது?

இந்த வலைப்பதிவில், PyTorch இல் ஒரு மாதிரி அடுக்கின் எடையை எவ்வாறு பெறுவது என்பதில் கவனம் செலுத்தப்படும்.

PyTorch இல் ஒரு மாதிரி அடுக்கின் எடைகள் என்ன?

' எடைகள் 'மற்றும்' சார்புகள் ” ஆகிய இரண்டும் நியூரல் நெட்வொர்க் மாடல்களின் அத்தியாவசிய அம்சங்களாகும். இவை இரண்டும் கற்றுக் கொள்ளக்கூடிய அளவுருக்கள் ஆகும், அவை மாதிரியின் ஒவ்வொரு முன்னோக்கி பாஸிலும் பயிற்சி சுழற்சியின் போது தொடர்ந்து புதுப்பிக்கப்படும். இந்த வழக்கமான புதுப்பிப்பு ஆடம் ஆப்டிமைசர் போன்ற ஒருங்கிணைக்கப்பட்ட ஆப்டிமைசர் காரணமாகும். நரம்பியல் நெட்வொர்க் மாதிரிகளின் நோக்கம், உள்ளீட்டுத் தரவின் அடிப்படையில் துல்லியமான கணிப்புகளைச் செய்வதாகும், மேலும் இழப்பைக் குறைக்க இந்த முடிவுகளை சரிசெய்ய எடைகள் மற்றும் சார்புகள் பயன்படுத்தப்படுகின்றன.

PyTorch இல் ஒரு மாதிரி லேயரின் எடையை எவ்வாறு பெறுவது?

' எடைகள் 'ஒரு அடுக்கு பைதான் அகராதியில் சேமிக்கப்பட்டு தொடரியல் பயன்படுத்தவும்' மாநில_ஆணை() ”. பின்வரும் படிகளைப் பயன்படுத்தி எடைகளை அழைக்க அகராதி பயன்படுத்தப்படுகிறது:

படி 1: Colab IDE ஐ திறக்கவும்

இந்த டுடோரியல் திட்டத்திற்கான IDE தேர்வுடன் தொடங்கும். கொலாபரேட்டரிக்குச் செல்லுங்கள் இணையதளம் மற்றும் தொடங்கவும் ' புதிய நோட்புக் 'வேலையைத் தொடங்க:

படி 2: நூலகங்களை நிறுவி இறக்குமதி செய்யவும்

Colab நோட்புக்கை அமைத்த பிறகு, ' நிறுவு 'மற்றும்' இறக்குமதி திட்டத்தில் தேவையான அனைத்து செயல்பாடுகளையும் உள்ளடக்கிய நூலகங்கள்:

மேலே உள்ள குறியீடு பின்வருமாறு செயல்படுகிறது:

• ' பிப் 'பைத்தானில் இருந்து தொகுப்பு நிறுவி அத்தியாவசியத்தை நிறுவ பயன்படுகிறது' ஜோதி ” நூலகம்.
• அடுத்து, ' இறக்குமதி ” கட்டளையை திட்டத்தில் இறக்குமதி செய்ய பயன்படுத்தப்படுகிறது.
• இறுதியாக, ' டார்ச்விஷன்.மாடல்கள் 'ஆழமான கற்றல் மாதிரிகளின் கூடுதல் செயல்பாட்டிற்காகவும் தொகுப்பு இறக்குமதி செய்யப்படுகிறது:

படி 3: ResNet மாதிரியை இறக்குமதி செய்யவும்

இந்த டுடோரியலில், ' ரெஸ்நெட்50 'டார்ச்விஷன் லைப்ரரியில் உள்ள 50 அடுக்குகளைக் கொண்ட நியூரல் நெட்வொர்க் மாதிரி ஆர்ப்பாட்டத்திற்குப் பயன்படுத்தப்படுகிறது. காட்டப்பட்டுள்ளபடி முன் பயிற்சி பெற்ற மாதிரியை இறக்குமதி செய்யவும்:

படி 4: மாதிரி அடுக்கை வரையறுக்கவும்

மாதிரி அடுக்கு பெயரை வரையறுத்து, '' ஐப் பயன்படுத்தவும் மாநில_ஆணை() காட்டப்பட்டுள்ளபடி அதன் எடையைப் பெறுவதற்கான முறை:

மேலே உள்ள குறியீடு பின்வருமாறு செயல்படுகிறது:

• ResNet50 மாதிரியின் இரண்டாவது சுருண்ட அடுக்கு ' மாதிரி_அடுக்கு_பெயர் ” மாறி.
• பின்னர், ' மாநில_ஆணை() 'முறையானது' உடன் பயன்படுத்தப்படுகிறது மாதிரி_மாதிரி ' மாறி மற்றும் அவை 'க்கு ஒதுக்கப்படுகின்றன மாதிரி_அடுக்கு_எடைகள் ” மாறி.
• ' மாதிரி_அடுக்கு_பெயர் ' மற்றும் இந்த ' .எடை '' இன் வாதங்களாக சேர்க்கப்படுகின்றன மாநில_ஆணை() எடையைப் பெறுவதற்கான முறை.
• கடைசியாக, பயன்படுத்தவும் ' அச்சு () ” லேயர் வெயிட்களை வெளியீடாகக் காண்பிக்கும் முறை:

பைடார்ச்சில் மாடல் லேயரின் எடையைப் பெற்றுள்ளோம் என்பதை கீழே உள்ள வெளியீடு காட்டுகிறது:

குறிப்பு : நீங்கள் எங்கள் Colab நோட்புக்கை இதில் அணுகலாம் இணைப்பு .

சார்பு உதவிக்குறிப்பு

PyTorch இல் உள்ள மாதிரி அடுக்கின் எடைகள் பயிற்சி வளையத்தின் முன்னேற்றத்தைக் காட்டுகின்றன. வெளியீட்டு முடிவுகள் மற்றும் கணிப்புகளில் உள்ளீட்டுத் தரவை செயலாக்கும்போது, ​​மாதிரியின் வளர்ச்சியைக் கண்டறிய இந்த எடைகள் பயன்படுத்தப்படுகின்றன. ஒரு அடுக்கின் எடையைப் பெறுவது முடிவுகளின் தரத்தை மதிப்பிடுவதிலும், ஏதேனும் மேம்பாடுகளைச் செய்ய வேண்டுமா இல்லையா என்பதைச் சரிபார்ப்பதிலும் முக்கியமானது.

வெற்றி! PyTorch மாதிரியின் ஒரு அடுக்கின் எடையை எவ்வாறு பெறுவது என்பதை நாங்கள் நிரூபித்துள்ளோம்.

முடிவுரை

PyTorch இல் ஒரு மாதிரி அடுக்கின் எடையைப் பயன்படுத்தி அதைப் பெறவும் “மாநில_ஆணை() 'டார்ச்விஷனில் இருந்து ஒரு மாதிரியை இறக்குமதி செய்த பிறகு அல்லது தனிப்பயன் ஒன்றைப் பயன்படுத்திய பிறகு முறை. ஒரு மாதிரி அடுக்கின் எடைகள் பயிற்சியின் போது தொடர்ந்து புதுப்பிக்கப்படும் மற்றும் அதன் முன்னேற்றத்தை பட்டியலிடும் கற்றல் அளவுருக்கள் ஆகும். இந்தக் கட்டுரையில், ResNet50 மாடலை டார்ச்விஷனில் இருந்து எப்படி இறக்குமதி செய்வது மற்றும் அதன் இரண்டாவது சுருண்ட லேயரின் எடையைப் பெறுவது எப்படி என்பதைக் காட்டியுள்ளோம்.