Executar uma passagem direta

Introdução ao Aprendizado Profundo com o PyTorch

Jasmin Ludolf

Senior Data Science Content Developer, DataCamp

O que é passagem direta?

Dados de entrada fluem pelas camadas
Cálculos realizados em cada camada
A camada final gera resultados

Resultados com base em pesos e vieses
Usado para treinar e fazer previsões

Representação de passagem direta

O que é passagem direta?

Possíveis saídas:

Classificação binária
Classificação multiclasse
Regressões

Representação de passagem direta com o resultado final destacado

Classificação binária: passagem direta

Bloco de codificação com comentários adicionados

# Create binary classification model
model = nn.Sequential(
  nn.Linear(6, 4), # First linear layer
  nn.Linear(4, 1), # Second linear layer
  nn.Sigmoid() # Sigmoid activation function
)

Classificação binária: passagem direta

# Pass input data through model
output = model(input_data)
print(output)

tensor([[0.5188], [0.3761], [0.5015], [0.3718], [0.4663]], 
    grad_fn=<SigmoidBackward0>)

Saída: cinco probabilidades entre 0 e 1, uma para cada animal
Classificação (limite de 0.5):
- Classe = 1 (mamífero) para valores ≥ 0.5 (0.5188, 0.5015)
- Classe = 0 (não mamífero) para valores < 0.5 (0.3761, 0.3718, 0.4633)

Classificação multiclasse: passagem direta

Classe 1: mamífero, classe 2: ave, classe 3: réptil

n_classes = 3


# Create multi-class classification model
model = nn.Sequential(
  nn.Linear(6, 4), # First linear layer
  nn.Linear(4, n_classes), # Second linear layer

  nn.Softmax(dim=-1) # Softmax activation 
)


# Pass input data through model
output = model(input_data)
print(output.shape)

torch.Size([5, 3])

Classificação multiclasse: passagem direta

Cada linha soma um
Rótulo previsto = classe com a maior probabilidade
Linha 1 = classe 1 (mamífero), linha 2 = classe 1 (mamífero), linha 3 = classe 3 (réptil)

Regressão: passagem direta

# Create regression model
model = nn.Sequential(
  nn.Linear(6, 4), # First linear layer
  nn.Linear(4, 1) # Second linear layer
)

# Pass input data through model
output = model(input_data)

# Return output
print(output)

tensor([[0.3818],
        [0.0712],
        [0.3376],
        [0.0231],
        [0.0757]], 
        grad_fn=<AddmmBackward0>)

Vamos praticar!

Introdução ao Aprendizado Profundo com o PyTorch