اس بلاگ میں، توجہ مرکوز کی جائے گی کہ PyTorch میں ماڈل پرت کا وزن کیسے حاصل کیا جائے۔
PyTorch میں ماڈل پرت کے وزن کیا ہیں؟
' وزن 'اور' تعصبات نیورل نیٹ ورک ماڈلز کی دونوں ضروری خصوصیات ہیں۔ یہ دونوں سیکھنے کے قابل پیرامیٹرز ہیں جو ماڈل کے ہر فارورڈ پاس کے ساتھ ٹریننگ لوپ کے دوران باقاعدگی سے اپ ڈیٹ ہوتے ہیں۔ یہ باقاعدہ اپ ڈیٹ ایڈم آپٹیمائزر جیسے مربوط اصلاح کار کی وجہ سے ہے۔ نیورل نیٹ ورک ماڈلز کا مقصد ان پٹ ڈیٹا کی بنیاد پر درست پیشین گوئیاں کرنا ہے اور نقصان کو کم کرنے کے لیے ان نتائج کو ایڈجسٹ کرنے کے لیے وزن اور تعصبات کا استعمال کیا جاتا ہے۔
PyTorch میں ماڈل پرت کا وزن کیسے حاصل کیا جائے؟
' وزن 'ایک پرت کو ازگر کی لغت میں محفوظ کیا جاتا ہے اور نحو کا استعمال کرتے ہیں' state_dict() ' لغت کا استعمال ذیل کے مراحل کا استعمال کرتے ہوئے وزن کو کال کرنے کے لیے کیا جاتا ہے۔
مرحلہ 1: Colab IDE کھولیں۔
یہ ٹیوٹوریل پروجیکٹ کے لیے IDE کے انتخاب کے ساتھ شروع ہوگا۔ Colaboratory پر جائیں۔ ویب سائٹ اور شروع کریں ' نئی نوٹ بک 'کام شروع کرنے کے لیے:
مرحلہ 2: لائبریریاں انسٹال اور درآمد کریں۔
Colab نوٹ بک ترتیب دینے کے بعد، ' انسٹال کریں 'اور' درآمد ' وہ لائبریریاں جو پروجیکٹ میں تمام مطلوبہ افعال کا احاطہ کرتی ہیں:
! پائپ انسٹال ٹارچدرآمد ٹارچ
درآمد ٹارچ ویژن ماڈلز
مندرجہ بالا کوڈ اس طرح کام کرتا ہے:
- ' pip 'python سے پیکیج انسٹالر ضروری انسٹال کرنے کے لئے استعمال کیا جاتا ہے' ٹارچ ' کتب خانہ.
- اگلا، ' درآمد ' کمانڈ اسے پروجیکٹ میں درآمد کرنے کے لیے استعمال کیا جاتا ہے۔
- آخر میں، ' torchvision.models ڈیپ لرننگ ماڈلز کی اضافی فعالیت کے لیے پیکج بھی درآمد کیا جاتا ہے:
مرحلہ 3: ResNet ماڈل درآمد کریں۔
اس ٹیوٹوریل میں، ' ResNet50 ٹارچ ویژن لائبریری کے اندر موجود 50 تہوں کے ساتھ نیورل نیٹ ورک ماڈل کو مظاہرے کے لیے استعمال کیا جاتا ہے۔ جیسا کہ دکھایا گیا ہے پہلے سے تربیت یافتہ ماڈل درآمد کریں:
نمونہ_ماڈل = ٹارچ ویژن ماڈلز . سنجیدہ50 ( پہلے سے تربیت یافتہ = سچ ہے۔ ) 
مرحلہ 4: ماڈل پرت کی وضاحت کریں۔
ماڈل پرت کے نام کی وضاحت کریں اور ' state_dict() اس کا وزن حاصل کرنے کا طریقہ جیسا کہ دکھایا گیا ہے:
نمونہ_پرت_نام = 'layer2.0.conv1'نمونہ_پرت_وزن = نمونہ_ماڈل state_dict ( ) [ نمونہ_پرت_نام + 'وزن' ]
پرنٹ کریں ( 'پرت کا وزن: \n ' ، نمونہ_پرت_وزن شکل )
مندرجہ بالا کوڈ اس طرح کام کرتا ہے:
- ResNet50 ماڈل کی دوسری پیچیدہ پرت کو تفویض کیا گیا ہے۔ نمونہ_پرت_نام متغیر
- پھر ' state_dict() 'طریقہ' کے ساتھ استعمال کیا جاتا ہے نمونہ_ماڈل متغیر اور وہ تفویض کیے گئے ہیں ' نمونہ_پرت_وزن متغیر
- ' نمونہ_پرت_نام ' اور ' .وزن ' کے دلائل کے طور پر شامل کیا جاتا ہے ' state_dict() وزن حاصل کرنے کا طریقہ۔
- آخر میں، استعمال کریں ' پرنٹ کریں() پرت کے وزن کو آؤٹ پٹ کے طور پر ظاہر کرنے کا طریقہ:
مندرجہ ذیل آؤٹ پٹ سے پتہ چلتا ہے کہ ہم نے Pytorch میں ماڈل پرت کا وزن حاصل کیا ہے:
نوٹ : آپ اس پر ہماری Colab نوٹ بک تک رسائی حاصل کر سکتے ہیں۔ لنک .
پرو ٹِپ
PyTorch کے اندر ایک ماڈل پرت کا وزن ٹریننگ لوپ کی پیشرفت کو ظاہر کرتا ہے۔ یہ وزن ماڈل کی نمو کا پتہ لگانے کے لیے استعمال کیے جاتے ہیں کیونکہ یہ ان پٹ ڈیٹا کو آؤٹ پٹ کے نتائج اور پیشین گوئیوں میں پروسیس کرتا ہے۔ نتائج کے معیار کا اندازہ لگانے اور یہ جانچنے کے لیے کہ آیا کوئی بہتری لانی ہے یا نہیں۔
کامیابی! ہم نے دکھایا ہے کہ PyTorch ماڈل کی پرت کا وزن کیسے حاصل کیا جاتا ہے۔
نتیجہ
کا استعمال کرتے ہوئے PyTorch میں ماڈل پرت کا وزن حاصل کریں۔ 'state_dict() ٹارچ ویژن سے ماڈل درآمد کرنے یا اپنی مرضی کے مطابق استعمال کرنے کے بعد طریقہ۔ ماڈل پرت کے وزن سیکھنے کے قابل پیرامیٹرز ہیں جو تربیت کے دوران مسلسل اپ ڈیٹ ہوتے ہیں اور اس کی پیشرفت کی فہرست بناتے ہیں۔ اس آرٹیکل میں، ہم نے دکھایا ہے کہ ٹارچ ویژن سے ResNet50 ماڈل کو کیسے درآمد کیا جائے اور اس کی دوسری کنولیوٹڈ پرت کا وزن کیسے حاصل کیا جائے۔