مروری بر تنسورها در PyTorch

شبکه های عصبی در PyTorch: 

به ساده تدرین بیان، شبکه عصبی یک تابع ریاضی است که یک یا چند ورودی دریافت می کند، آن(ها) رو پردازش می کند، سپس یک یا چند خروجی تولید می کند. در PyTorch شبکه های عصبی از تنسورهای PyTorch  ایجاد می شوند. در واقع یک تنسور PyTorch یک داده ساختار یافته (Data structure) برای اعداد و آرایه های چند بعدی در پایتون (Python) است. برای شبکه عصبی، ورودی x یک تنسور است که خروجی y نیز یک خواهد بود و در نظر داشته باشد که شبکه عصبی از مجموعه ای از پارامترها تشکیل شده است که آنها نیز تنسور هستند.برای تولید یک یا چند خروجی، شبکه عصبی باید ورودی خود را پردازش کند. برای پردازش، شبکه عصبی یک سری عملیات تنسوری را روی ورودی دریافتی اعمال می کند که بسیاری از این عملیات تنسوری، عملیات های ریاضی مانند ضرب و جمع هستند. 

 

 

در این دوره قصد داریم بر روی عملیات های تنسوری که به طور اساسی عملیات برداری و ماتریسی هستند، تمرکز کنیم و در ادامه، داده های خود را به تنسورهای PyTorch تبدیل می کنیم که از آن ها به عنوان خوراک یا ورودی شبکه های عصبی استفاده خواهیم کرد.  به عنوان مثال اگر بخواهیم از یک پایگاه داده به عنوان ورودی برای یک شبکه عصبی استفاده کنیم می توانیم بصورت تصویر زیر عمل کنیم. در مثال زیر هر ردیف از پایگاه داده می تواند به عنوان یک تنسور PyTorch در نظر گرفته شود. بنابراین می بینیم که یک تنسور یک بردار یا یک آرایه مستطیلی شامل اعداد است.