یہ بلاگ اس بات پر بات کرے گا کہ PyTorch میں ٹینسر عناصر کے ایکسپوننٹ کیسے حاصل کیے جائیں۔
PyTorch Tensors میں Exponents کا استعمال کیا ہے؟
اعصابی نیٹ ورک انسانی دماغ کے کام کی نقل کرنے کے لیے ایک سے زیادہ ان پٹ کو ایک سے زیادہ آؤٹ پٹ سے جوڑنے کے لیے ایک پیچیدہ پیٹرن کا استعمال کرتے ہیں۔ اس ڈھانچے کے نیچے، بنیادی ریاضی کا ایک پیچیدہ ڈھانچہ موجود ہے جو ان تمام رابطوں کو ممکن بناتا ہے۔ Exponents محض ریاضی کا ایک اور تصور ہے جو پروگرامرز اور ڈیٹا سائنسدانوں کی زندگیوں کو بہت آسان بنانے میں مدد کرتا ہے۔
PyTorch میں exponents کے استعمال کی اہم خصوصیات ذیل میں درج ہیں:
- ایکسپونینٹس کا بنیادی استعمال پورے ڈیٹا کو تیز تر پروسیسنگ کے لیے مناسب رینج میں لانا ہے۔
- کشی کی شرح کو ایکسپونینشل فنکشنز کا استعمال کرتے ہوئے آسانی سے تصور کیا جا سکتا ہے۔
- کسی بھی قسم کے اعداد و شمار جس میں ایکسپونینشل ٹرینڈ ہوتا ہے اسے ایک خطی رحجان میں ایکسپونینشل کے تصور کو استعمال کرتے ہوئے تصور کیا جا سکتا ہے۔
PyTorch میں تمام ٹینسر عناصر کے ایکسپونٹس کی گنتی کیسے کریں؟
ڈیٹا ویلیوز کو ذخیرہ کرنے کے لیے Tensors کا استعمال PyTorch کے لیے ایک ناقابل یقین خصوصیت ہے کیونکہ ٹینسر کے ذریعے لائے گئے ہیرا پھیری کے لیے تمام فعالیت اور امکانات ہیں۔ انفرادی ٹینسر عناصر کے لیے ایکسپوننٹ کا حساب لگانا چھوٹی حدود میں ڈیٹا کو منظم کرنے کی کلید ہے۔
PyTorch میں انفرادی ٹینسر عناصر کے ایکسپوننٹ حاصل کرنے کا طریقہ سیکھنے کے لیے نیچے دیے گئے اقدامات پر عمل کریں:
مرحلہ 1: Colab سیٹ اپ کریں۔
پہلا مرحلہ IDE کو ترتیب دینا ہے۔ ٹینسر کی گنتی کے لیے آزادانہ طور پر دستیاب انٹیگریٹڈ GPUs کی وجہ سے گوگل کی طرف سے تعاون گاہ ایک اچھا انتخاب ہے۔ کولاب پر جائیں۔ ویب سائٹ اور کھولیں ' نئی نوٹ بک ' جیسے دکھایا گیا ہے:
مرحلہ 2: ٹارچ لائبریری کو انسٹال اور درآمد کریں۔
پائی ٹارچ فریم ورک گہرے سیکھنے کے ماڈلز کی ترقی کے لیے پائتھون پروگرامنگ لینگویج اور ٹارچ لائبریری کے اتحاد پر مبنی ہے۔ کی تنصیب اور درآمد ' ٹارچ PyTorch میں کسی بھی پروجیکٹ کو شروع کرنے کے لیے لائبریری ضروری ہے:
!پائپ انسٹال ٹارچٹارچ درآمد کریں۔
مندرجہ بالا کوڈ اس طرح کام کرتا ہے:
- ' !pip پائتھون کی طرف سے انسٹالیشن پیکج PyTorch میں پیکجز اور لائبریریوں کو انسٹال کرنے کے لیے استعمال کیا جاتا ہے۔
- اگلا، ' درآمد ' کمانڈ کا استعمال لائبریریوں کو کال کرنے اور پروجیکٹ کے لیے ان کی فعالیت کو کرنے کے لیے کیا جاتا ہے:
مرحلہ 3: 1D اور 2D PyTorch Tensor کی وضاحت کریں۔
اس ٹیوٹوریل میں، ہم دونوں کے ٹینسر عناصر کے ایکسپوننٹ کی گنتی کا مظاہرہ کریں گے۔ 1D 'اور ایک' 2D 'پائی ٹارچ ٹینسر۔ ہم ان ٹینسرز کی وضاحت کرتے ہوئے شروع کرتے ہیں:
pytorch_tensor = ٹارچ ٹینسر ( [ 10.0 ، 21.0 ، 94.0 ، 38.0 ] )pytorch_tensor_2d = ٹارچ ٹینسر ( [ [ 2 ، 5 ، 1 ] ، [ 9 ، 2 ، 9 ] ، [ 1 ، 7 ، 1 ] ] )
مندرجہ بالا کوڈ اس طرح کام کرتا ہے:
- ' ٹینسر() ' طریقہ PyTorch میں ٹینسر داخل کرنے کے لیے استعمال کیا جاتا ہے۔
- ' 1-جہتی ” ٹینسر میں صرف ایک قطار میں عناصر ہوتے ہیں جیسا کہ اوپر دکھایا گیا ہے۔
- ' 2-جہتی ” اوپر بیان کردہ ٹینسر میں 3 الگ کالموں اور 3 الگ الگ قطاروں میں عناصر ہوتے ہیں۔
- دونوں متعین ٹینسر ان کے متعلقہ کو تفویض کیے گئے ہیں۔ متغیرات ”:
مرحلہ 4: ہر ٹینسر عنصر کے ایکسپونٹس کی گنتی کریں۔
PyTorch tensors کی تعریف کرنے کے بعد، اب وقت آگیا ہے کہ 'کی گنتی کی وضاحت کی جائے۔ exponents دو ٹینسرز میں ہر ایک عنصر کا استعمال کرتے ہوئے torch.exp() طریقہ:
tensor_exponents = ٹارچ exp ( pytorch_tensor )tensor_exponents_2d = ٹارچ exp ( pytorch_tensor_2d )
مندرجہ بالا کوڈ اس طرح کام کرتا ہے:
- ' exp() فنکشن کا استعمال ٹینسر میں ہر عنصر کے ایکسپوننٹ کی گنتی کے لیے کیا جاتا ہے۔
- ' 1D 'ٹینسر متغیر کو 'کی دلیل کے طور پر بیان کیا گیا ہے۔ exp() فنکشن اور پھر اسے تفویض کیا جاتا ہے ' tensor_exponents ' متغیر جیسا کہ دکھایا گیا ہے۔
- اگلا، ' 2D 'ٹینسر متغیر کو 'کی دلیل کے طور پر بھی بیان کیا گیا ہے۔ exp() فنکشن اور پھر اسے تفویض کیا جاتا ہے ' tensor_exponents_2d ' متغیر جیسا کہ دکھایا گیا ہے:
مرحلہ 5: آؤٹ پٹ پرنٹ کریں۔
آخری مرحلہ یہ ہے کہ دو ٹینسرز کے اندر موجود ہر عنصر کے ایکسپونینٹس کے حساب کتاب کے آؤٹ پٹ کو پرنٹ کریں پرنٹ کریں() طریقہ:
پرنٹ کریں ( 'اصل 1D ٹینسر: \n ' ، pytorch_tensor )پرنٹ کریں ( ' \n 1D ٹینسر کے ایکسپونٹس: \n ' ، tensor_exponents )
پرنٹ کریں ( ' \n اصل 2D ٹینسر: \n ' ، pytorch_tensor_2d )
پرنٹ کریں ( ' \n 2D ٹینسر کے ایکسپونٹس: \n ' ، tensor_exponents_2d )
مندرجہ بالا کوڈ اس طرح کام کرتا ہے:
- کا استعمال کرتے ہیں ' پرنٹ کریں() اصل 1D ٹینسر کو آؤٹ پٹ اور اس کے عناصر کے ایکسپوننٹ میں ظاہر کرنے کا طریقہ۔
- پھر، وہی استعمال کریں ' پرنٹ کریں() اصل 2D ٹینسر کو آؤٹ پٹ میں ظاہر کرنے کا طریقہ اور اس کے عناصر کے ایکسپوننٹ جیسا کہ دکھایا گیا ہے۔
- ' \n کوڈ میں دکھائی گئی اصطلاح کو درج ذیل لائن سے اگلی آؤٹ پٹ شروع کرنے کے لیے استعمال کیا جاتا ہے۔ یہ آؤٹ پٹ ڈسپلے کو منظم رکھنے کے لیے استعمال کیا جاتا ہے۔
- آؤٹ پٹ میں دکھائے جانے والے سادہ متن کو 'الٹی کوما' میں شامل کیا جاتا ہے۔ پرنٹ کریں() 'طریقہ دلیل۔
- متن کے بعد ہے ' متغیر 'چھاپنا ہے۔
ایکسپونٹس آؤٹ پٹ
نوٹ : آپ اس پر ہماری Colab نوٹ بک تک رسائی حاصل کر سکتے ہیں۔ لنک .
پرو ٹِپ
PyTorch ٹینسر میں عناصر کی کمپیوٹنگ ایکسپوینٹس ڈیٹا کی لاکھوں قطاروں کے ساتھ ایک پیچیدہ مشین لرننگ ماڈل چلانے سے پہلے پری پروسیسنگ میں ایک اہم قدم ثابت ہو سکتا ہے۔ یہ تکنیک تمام عددی اعداد و شمار کی قدروں کو ایک چھوٹی سی حد میں لا سکتی ہے جو ہارڈ ویئر کے لیے کہیں زیادہ آسان ثابت ہو گی، اس طرح پروسیسنگ کے وقت میں نمایاں کمی واقع ہو گی۔
کامیابی! ہم نے آپ کو دکھایا ہے کہ PyTorch ٹینسر میں ہر انفرادی عنصر کے ایکسپوننٹ کی گنتی کیسے کی جاتی ہے۔
نتیجہ
پہلے ٹینسر کی وضاحت کرکے اور پھر 'کا استعمال کرتے ہوئے PyTorch میں تمام ٹینسر عناصر کے ایکسپوننٹ کا حساب لگائیں۔ torch.exp() فنکشن اس بلاگ میں، ہم نے دکھایا کہ 1D اور 2D PyTorch ٹینسر کی وضاحت کیسے کی جاتی ہے اور ان دونوں ٹینسر میں ہر عنصر کے ایکسپوننٹ کی گنتی کیسے کی جاتی ہے۔