Pytorch-terminologies
PyTorch-用語
この章では、PyTorchで最も一般的に使用される用語のいくつかについて説明します。
PyTorch NumPy
PyTorchテンソルはNumPy配列と同一です。 テンソルはn次元の配列であり、PyTorchに関して、これらのテンソルを操作するための多くの機能を提供します。
PyTorchテンソルは通常、GPUを使用して数値計算を高速化します。 PyTorchで作成されたこれらのテンソルを使用して、2層ネットワークをランダムデータに適合させることができます。 ユーザーは、ネットワークを介して前方および後方パスを手動で実装できます。
変数とオートグラード
autogradを使用する場合、ネットワークのフォワードパスは*計算グラフ*を定義します。グラフのノードはテンソルになり、エッジは入力テンソルから出力テンソルを生成する関数になります。
PyTorch Tensorは、変数が計算グラフのノードを表す変数オブジェクトとして作成できます。
動的グラフ
静的グラフは、ユーザーがグラフを事前に最適化できるため便利です。 プログラマが同じグラフを何度も再利用している場合、同じグラフが何度も再実行されるため、この潜在的にコストのかかる事前の最適化を維持できます。
それらの主な違いは、Tensor Flowの計算グラフが静的であり、PyTorchが動的計算グラフを使用することです。
Optimパッケージ
PyTorchのoptimパッケージは、多くの方法で実装される最適化アルゴリズムの概念を抽象化し、一般的に使用される最適化アルゴリズムの図を提供します。 これはimportステートメント内で呼び出すことができます。
マルチプロセッシング
マルチプロセッシングは同じ操作をサポートしているため、すべてのテンソルは複数のプロセッサで動作します。 キューのデータは共有メモリに移動され、ハンドルは別のプロセスにのみ送信されます。