পৃথক ডেটা এন্ট্রিগুলি ' আকারে সংরক্ষণ করা হয় টেনসর 'পাইটর্চে এবং' গ্রেডিয়েন্ট একটি গভীর শিক্ষার মডেলের প্রশিক্ষণ লুপের মধ্যে পশ্চাদগামী প্রচার ব্যবহার করে টেনসরগুলির গণনা করা হয়। শব্দটি ' আনস্কেল ” এর অর্থ হল ডেটা কাঁচা এবং এতে কোনো প্রিপ্রসেসিং বা অপ্টিমাইজেশন জড়িত নেই৷ একটি টেনসরের আনস্কেল গ্রেডিয়েন্ট নির্দিষ্ট ক্ষতি ফাংশন সম্পর্কে পরিবর্তনের প্রকৃত মান প্রদান করে।
এই ব্লগে, আমরা আলোচনা করব কিভাবে PyTorch-এ টেনসরের আনস্কেল গ্রেডিয়েন্ট গণনা করা যায়।
পাইটর্চে একটি টেনসরের আনস্কেলড গ্রেডিয়েন্ট কী?
টেনসর হল বহুমাত্রিক অ্যারে যা ডেটা ধারণ করে এবং PyTorch-এ GPU-তে চলতে পারে। যে টেনসরগুলিতে কোনো প্রিপ্রসেসিং, ট্রান্সফরমেশন বা অপ্টিমাইজেশন ছাড়াই ডেটাসেট থেকে কাঁচা ডেটা ধারণ করে তাদের বলা হয় আনস্কেলড টেনসর। যাইহোক, একটি ' আনস্কেল গ্রেডিয়েন্ট ” একটি আনস্কেলড টেনসর থেকে আলাদা এবং দুটিকে বিভ্রান্ত না করার জন্য যত্ন নেওয়া আবশ্যক৷ একটি টেনসরের একটি আনস্কেলড গ্রেডিয়েন্ট নির্বাচিত ক্ষতি ফাংশনের সাপেক্ষে গণনা করা হয় এবং এতে আর কোন অপ্টিমাইজেশন বা স্কেলিং নেই।
পাইটর্চে একটি টেনসরের আনস্কেল গ্রেডিয়েন্ট কীভাবে গণনা করবেন?
একটি টেনসরের আনস্কেল গ্রেডিয়েন্ট হল নির্বাচিত ক্ষতি ফাংশন সম্পর্কিত ইনপুট ডেটার পরিবর্তনের হারের প্রকৃত মান। ট্রেনিং লুপের সময় মডেলের আচরণ এবং এর অগ্রগতি বোঝার জন্য কাঁচা গ্রেডিয়েন্ট ডেটা গুরুত্বপূর্ণ।
পাইটর্চে একটি টেনসরের আনস্কেল গ্রেডিয়েন্ট কীভাবে গণনা করতে হয় তা শিখতে নীচে দেওয়া পদক্ষেপগুলি অনুসরণ করুন:
ধাপ 1: IDE সেট আপ করে প্রকল্পটি শুরু করুন
Google Colaboratory IDE হল PyTorch প্রকল্পগুলির বিকাশের জন্য সেরা পছন্দগুলির মধ্যে একটি কারণ এটি দ্রুত প্রক্রিয়াকরণের জন্য GPU-তে বিনামূল্যে অ্যাক্সেস প্রদান করে৷ কোলাবে যান ওয়েবসাইট এবং 'এ ক্লিক করুন নতুন নোটবুক কাজ শুরু করার বিকল্প:
ধাপ 2: প্রয়োজনীয় টর্চ লাইব্রেরি আমদানি করুন
PyTorch ফ্রেমওয়ার্কের সমস্ত কার্যকারিতা 'এর মধ্যে রয়েছে টর্চ 'লাইব্রেরি। প্রতিটি PyTorch প্রকল্প এই লাইব্রেরি ইনস্টল এবং আমদানি করে শুরু হয়:
!পিপ টর্চ ইনস্টল করুনআমদানি মশাল
উপরের কোডটি নিম্নরূপ কাজ করে:
- '! পিপ ' পাইথনের জন্য একটি ইনস্টলেশন প্যাকেজ যা প্রকল্পগুলিতে লাইব্রেরি ইনস্টল করতে ব্যবহৃত হয়।
- দ্য ' আমদানি ' কমান্ডটি ইনস্টল করা লাইব্রেরিগুলিকে প্রকল্পে কল করতে ব্যবহৃত হয়।
- এই প্রকল্পের শুধুমাত্র কার্যকারিতা প্রয়োজন ' টর্চ লাইব্রেরী:
ধাপ 3: গ্রেডিয়েন্ট সহ একটি পাইটর্চ টেনসর সংজ্ঞায়িত করুন
ব্যবহার ' torch.tensor ()' গ্রেডিয়েন্ট সহ একটি টেনসরকে সংজ্ঞায়িত করার পদ্ধতি ' requires_grad=সত্য 'পদ্ধতি:
A = torch.tensor([5.0], requires_grad=True)ধাপ 4: একটি সাধারণ ক্ষতি ফাংশন সংজ্ঞায়িত করুন
একটি লস ফাংশন একটি সহজ গাণিতিক সমীকরণ ব্যবহার করে সংজ্ঞায়িত করা হয়েছে যেমন দেখানো হয়েছে:
ক্ষতি_ফাংশন = A*5 
ধাপ 5: গ্রেডিয়েন্ট গণনা করুন এবং আউটপুটে মুদ্রণ করুন
ব্যবহার ' পশ্চাদপদ দেখানো হিসাবে আনস্কেল গ্রেডিয়েন্ট গণনা করার জন্য ()' পদ্ধতি:
loss_function.backward()unscaled_grad = A.grad
মুদ্রণ('পাইটর্চ টেনসরের আনস্কেলড গ্রেডিয়েন্ট: ', আনস্কেলড_গ্রাড)
উপরের কোডটি নিম্নরূপ কাজ করে:
- ব্যবহার ' পশ্চাদপদ ()' পশ্চাদগামী প্রচারের মাধ্যমে আনস্কেল গ্রেডিয়েন্ট গণনা করার পদ্ধতি।
- বরাদ্দ করুন ' A.grad 'এর কাছে' unscaled_grad ' পরিবর্তনশীল।
- অবশেষে, ব্যবহার করুন ' ছাপা ()' পদ্ধতিটি আনস্কেলড গ্রেডিয়েন্টের আউটপুট প্রদর্শনের জন্য:
বিঃদ্রঃ : আপনি এখানে আমাদের Colab নোটবুক অ্যাক্সেস করতে পারেন লিঙ্ক .
প্রো-টিপ
PyTorch ফ্রেমওয়ার্কের মধ্যে একটি নিউরাল নেটওয়ার্কের ক্ষতি ফাংশনের সাথে টেনসরের আনস্কেলড গ্রেডিয়েন্ট ইনপুট ডেটার সঠিক সম্পর্ক দেখাতে পারে। কাঁচা অসম্পাদিত গ্রেডিয়েন্ট দেখায় কিভাবে উভয় মান পদ্ধতিগতভাবে সম্পর্কিত।
সফলতার ! আমরা শুধু দেখিয়েছি কিভাবে PyTorch এ টেনসরের আনস্কেল গ্রেডিয়েন্ট গণনা করা যায়।
উপসংহার
প্রথমে টেনসর সংজ্ঞায়িত করে PyTorch-এ একটি টেনসরের আনস্কেলড গ্রেডিয়েন্ট গণনা করুন, এবং তারপর গ্রেডিয়েন্ট খুঁজে পেতে backward() পদ্ধতি ব্যবহার করুন। এটি দেখায় কিভাবে গভীর শিক্ষার মডেলটি সংজ্ঞায়িত ক্ষতি ফাংশনের সাথে ইনপুট ডেটা সম্পর্কিত করে। এই ব্লগে, আমরা পাইটর্চে একটি টেনসরের আনস্কেল গ্রেডিয়েন্ট কীভাবে গণনা করতে হয় সে সম্পর্কে একটি ধাপ-ভিত্তিক টিউটোরিয়াল দিয়েছি।