Introdução a aprendizado profundo com PyTorch

Introdução ao Aprendizado Profundo com o PyTorch

Jasmin Ludolf

Senior Data Science Content Developer, DataCamp

Aprendizado profundo em toda parte!

Ilustração mostrando vários idiomas em um globo

Ilustração mostrando vários idiomas ao redor do mundo e um carro autônomo

Ilustração mostrando vários idiomas ao redor do mundo, um carro autônomo e diagnóstico médico

Ilustração mostrando vários idiomas ao redor do mundo, um carro autônomo e diagnóstico médico

Um diagrama em camadas representando o aprendizado profundo como um subconjunto do aprendizado de máquina

Um diagrama de uma pequena rede neural

Um diagrama em camadas representando o aprendizado profundo como um subconjunto do aprendizado de máquina

Um diagrama de uma rede neural com várias camadas

Uma ilustração de uma pessoa estudando o cérebro

Uma ilustração de uma pessoa estudando o cérebro, com foco nos neurônios

O logotipo do PyTorch

import torch

my_list = [[1, 2, 3], [4, 5, 6]]
tensor = torch.tensor(my_list)
print(tensor)

tensor([[1, 2, 3],
        [4, 5, 6]])

my_list = [[1, 2, 3], [4, 5, 6]]
tensor = torch.tensor(my_list)
print(tensor.shape)

torch.Size([2, 3])

print(tensor.dtype)

torch.int64

a = torch.tensor([[1, 1], 
                  [2, 2]])

b = torch.tensor([[2, 2], 
                  [3, 3]])

print(a + b)

tensor([[3, 3],
        [5, 5]])

a = torch.tensor([[1, 1], 
                  [2, 2]])

c = torch.tensor([[2, 2, 4], 
                  [3, 3, 5]])

print(a + c)

RuntimeError: The size of tensor a
(2) must match the size of tensor b (3) 
at non-singleton dimension 1

a = torch.tensor([[1, 1], 
                  [2, 2]])
b = torch.tensor([[2, 2], 
                  [3, 3]])
print(a * b)

tensor([[2,  2],
        [6, 6]])

Multiplicação de matrizes destacada

Introdução ao Aprendizado Profundo com o PyTorch