EITC/AI/DLPP нь Python, PyTorch програмтай гүнзгий суралцах нь PyTorch машин сургалтын номын сантай Python-д гүнзгий суралцах програмчлах үндэс суурь болох Европын мэдээллийн технологийн гэрчилгээжүүлэлтийн хөтөлбөр юм.
EITC/AI/DLPP-ийн Python ба PyTorch-той гүнзгий суралцах сургалтын хөтөлбөр нь дараахь бүтцийн хүрээнд зохион байгуулагдсан PyTorch номын сантай Python програмчлалыг гүнзгийрүүлэн сурах практик ур чадварыг голчлон судалж, энэхүү EITC гэрчилгээний лавлагаа болгон видео дидактик агуулгыг багтаасан болно.
Гүнзгийрүүлсэн сургалт (гүнзгий зохион байгуулалттай сургалт гэж нэрлэдэг) бол төлөөлөх сургалттай хиймэл мэдрэлийн сүлжээнд суурилсан машин сургах аргын гэр бүлийн нэг хэсэг юм. Суралцах явцыг удирдлага, хагас удирдлага, хяналтгүй байж болно. Компьютерийн алсын хараа, машины хараа, яриаг таних, байгалийн хэл боловсруулах, аудио таних, олон нийтийн сүлжээний шүүлтүүр, машин орчуулга, биоинформатик зэрэг салбарт гүнзгий мэдрэлийн сүлжээ, гүнзгий итгэл үнэмшлийн сүлжээ, давтамжтай мэдрэлийн сүлжээ, хувьслын мэдрэлийн сүлжээ гэх мэт гүнзгий сургалтын архитектурыг ашиглаж ирсэн. , эмийн дизайн, эмнэлгийн дүрсний шинжилгээ, материалын үзлэг, ширээний тоглоомын хөтөлбөрүүд нь хүний шинжээчийн гүйцэтгэлтэй харьцуулахуйц үр дүн гаргаж, зарим тохиолдолд давж гарсан болно.
Python бол тайлбарласан, өндөр түвшний, ерөнхий зориулалтын програмчлалын хэл юм. Python-ийн дизайны философи нь мэдэгдэхүйц хоосон зайг ашиглан код унших чадварыг онцолдог. Хэлний бүтэц, объект хандлага нь програмистуудад жижиг, том хэмжээний төслүүдэд тодорхой, логик код бичихэд туслах зорилготой юм. Python нь стандарт номын сангаасаа болж ихэвчлэн "зай багтсан" хэл гэж тодорхойлогддог. Python нь ихэвчлэн TensorFlow, Keras, Pytorch, Scikit-learn зэрэг номын сангуудын тусламжтайгаар хиймэл оюун ухааны төслүүд болон машин сургалтын төслүүдэд ашиглагддаг.
Python нь динамикаар бичигдсэн (хөрвүүлэлтийн явцад статик програмчлалын хэлний хийдэг олон нийтлэг програмчлалын зан үйлийг гүйцэтгэдэг) ба хог хаягдлыг цуглуулдаг. Энэ нь бүтэцлэгдсэн (ялангуяа процедурын), объект хандалттай, функциональ програмчлалыг багтаасан олон програмчлалын парадигмыг дэмждэг. Энэ нь 1980-аад оны сүүлчээр бүтээгдсэн бөгөөд 1991 онд Гуидо ван Россум ABC програмчлалын хэлийг залгамжлагчаар гаргасан. 2.0 онд гарсан Python 2000 нь жагсаалтыг ойлгох, хог цуглуулах систем гэх мэт шинэ онцлог шинж чанаруудыг нэвтрүүлж, 2.7 онд 2020 хувилбараар зогсоосон байна. 3.0 онд гарсан Python 2008 нь тухайн хэлний шинэчлэгдсэн хувилбар байв. бүрэн хоцрогдсон нийцтэй биш бөгөөд Python 2 код нь Python 3 дээр өөрчлөгддөггүй. Python 2-ийн ашиглалтын хугацаа дууссан (мөн pip нь 2021 онд дэмжлэгээ алдсан), зөвхөн Python 3.6.x ба түүнээс хойшхи хувилбарууд нь хуучин хувилбаруудтай жишээ нь Windows 7-г (мөн 64 битийн Windows-т хязгаарлагдахгүй хуучин суулгагчдыг) дэмжих.
Python хэлмэрчид үндсэн үйлдлийн системүүдэд дэмжлэг үзүүлдэг бөгөөд цөөн хэдэн програм ашиглах боломжтой байдаг (урьд өмнө нь олон програмыг дэмжиж байсан). Программистуудын дэлхийн хамтын нийгэмлэг нь CPython програмыг үнэгүй, нээлттэй эх сурвалжаар боловсруулж, хадгалж байдаг. Python Software Foundation ашгийн бус байгууллага нь Python болон CPython-ийг хөгжүүлэх нөөцийг удирдан чиглүүлдэг.
2021 оны 2020-р сарын байдлаар Python нь TIOBE-ийн хамгийн түгээмэл програмчлалын хэлний индексийн гуравдугаарт бичигдэж, өмнө нь хоёрдугаар байр, 2007 оны хамгийн их ашиг олсон шагналаа хүртэж байжээ. 2010, 2018 оны оны шилдэг програмчлалын хэлээр шалгарсан. , XNUMX он.
Эмпирик судалгаагаар Python гэх мэт скрипт хэл нь C, Java зэрэг уламжлалт хэлнүүдээс мөрийг удирдах, толь бичигт хайлт хийхтэй холбоотой програмчлалын асуудалд илүү үр дүнтэй байдаг болохыг тогтоож, санах ойн хэрэглээ нь ихэвчлэн “Java-с илүү сайн байдаг, харин C эсвэл C ++ -аас хамаагүй муу. Python ашигладаг томоохон байгууллагуудад ia Wikipedia, Google, Yahoo !, CERN, NASA, Facebook, Amazon, Instagram орно.
Хиймэл оюун ухааны програмуудаас гадна модульчлагдсан архитектур, энгийн синтакс, баялаг текст боловсруулах хэрэгсэл бүхий скрипт хэл болох Python нь ихэвчлэн байгалийн хэл боловсруулахад ашиглагддаг.
PyTorch бол Torch номын санд суурилсан, компьютерийн алсын хараа, байгалийн хэлний боловсруулалт гэх мэт хэрэглээнд ашиглагддаг нээлттэй эх сурвалж бүхий компьютер сурах номын сан юм. Энэ нь Modified BSD лицензийн дагуу гаргасан үнэгүй, нээлттэй эхийн програм хангамж юм. Хэдийгээр Python интерфэйс нь илүү өнгөлсөн бөгөөд хөгжлийн үндсэн чиглэл болсон ч PyTorch нь C ++ интерфэйстэй. Deep Learning програмын хэд хэдэн хэсгийг PyTorch дээр суурилуулсан бөгөөд үүнд Tesla Autopilot, Uber's Pyro, HuggingFace's Transformers, PyTorch Lightning, Catalyst зэрэг багтана.
- График боловсруулах нэгжүүд (GPU) -ээр дамжуулан хүчтэй хурдатгал бүхий тензорын тооцоолол (NumPy гэх мэт)
- Соронзон хальс дээр суурилсан автомат (тооцоолох) ялгах систем дээр суурилсан гүн мэдрэлийн сүлжээ
Facebook нь PyTorch ба Convolutional Architecture-ийг хоёуланг нь хоёуланг нь ажиллуулж, хурдан шинж чанарыг агуулдаг (Caffe2) боловч хоёр хүрээний тодорхойлсон загварууд хоорондоо тохирохгүй байв. Open Neural Network Exchange (ONNX) төслийг 2017 оны 2-р сард фэйсбүүк, Microsoft компаниуд загваруудыг фрэймворк хооронд хөрвүүлэх зорилгоор бүтээжээ. Caffe2018-ийг XNUMX оны XNUMX-р сарын сүүлчээр PyTorch болгон нэгтгэсэн.
PyTorch нь нэгэн төрлийн олон хэмжээст тэгш өнцөгт тооны массивыг хадгалах, ажиллуулах зорилгоор Tensor (бамбар. Tensor) нэртэй ангийг тодорхойлдог. PyTorch Tensors нь NumPy Arrays-тэй төстэй боловч CUDA чадвартай Nvidia GPU дээр ажиллах боломжтой. PyTorch нь Tensors-ийн янз бүрийн дэд төрлийг дэмждэг.
Pytorch-д чухал модулиуд цөөхөн байдаг. Үүнд:
- Автоград модуль: PyTorch нь автоматаар ялгах гэсэн аргыг ашигладаг. Бичигч нь ямар үйлдлүүд хийгдсэнийг тэмдэглээд, дараа нь налууг тооцоолохын тулд буцааж тоглуулдаг. Энэ арга нь урагш дамжуулах хэсгийн параметрүүдийн ялгаврыг тооцоолох замаар нэг эринд цаг хугацаа хэмнэх үүднээс мэдрэлийн сүлжээг барихад илүү хүчтэй байдаг.
- Optim module: torch.optim бол мэдрэлийн сүлжээг бий болгоход ашигладаг төрөл бүрийн оновчлолын алгоритмуудыг хэрэгжүүлдэг модуль юм. Түгээмэл хэрэглэгддэг аргуудын ихэнх нь аль хэдийн дэмжигдсэн тул эхнээс нь барих шаардлагагүй болно.
- nn модуль: PyTorch autograd нь тооцооллын график тодорхойлох, градиент авахад хялбар болгодог боловч түүхий автоград нь төвөгтэй мэдрэлийн сүлжээг тодорхойлоход арай доогуур түвшинд байж болно. Энд nn модуль тусалж чадна.
Баталгаажуулалтын сургалтын хөтөлбөртэй дэлгэрэнгүй танилцахын тулд та доорх хүснэгтийг өргөжүүлж, дүн шинжилгээ хийж болно.
EITC/AI/DLPP Python болон PyTorch гэрчилгээжүүлэх сургалтын хөтөлбөрт Харрисон Кинслигийн видео хэлбэрээр нээлттэй хандалтын дидактик материалыг иш татсан болно. Сургалтын үйл явц нь сургалтын хөтөлбөрийн холбогдох хэсгүүдийг хамарсан алхам алхмаар бүтцэд (хөтөлбөр -> хичээл -> сэдэв) хуваагдана. Домэйн мэргэжилтнүүдтэй хязгааргүй зөвлөгөө өгдөг.
Баталгаажуулалтын журмын талаарх дэлгэрэнгүй мэдээллийг шалгана уу Хэрхэн ажилладаг.
EITC/AI/DLPP Python болон PyTorch программыг ашиглан гүнзгий суралцах офлайн бие даан суралцах бэлтгэл материалыг PDF файлаар татаж аваарай.
EITC/AI/DLPP бэлтгэх материал – стандарт хувилбар
EITC/AI/DLPP-ийн бэлтгэл материалууд – хянан шалгах асуулт бүхий өргөтгөсөн хувилбар