Einführung in Deep Learning mit PyTorch

Einführung in Deep Learning mit PyTorch

Jasmin Ludolf

Senior Data Science Content Developer, DataCamp

Deep Learning ist überall!

Darstellung mehrerer Sprachen rund um einen Globus

Einführung in Deep Learning mit PyTorch

Deep Learning ist überall!

Darstellung mehrerer Sprachen rund um einen Globus und ein selbstfahrendes Auto

Einführung in Deep Learning mit PyTorch

Deep Learning ist überall!

Darstellung mehrerer Sprachen rund um einen Globus, ein selbstfahrendes Auto und eine medizinische Diagnose

Einführung in Deep Learning mit PyTorch

Deep Learning ist überall!

Darstellung mehrerer Sprachen rund um einen Globus, ein selbstfahrendes Auto und eine medizinische Diagnose

Einführung in Deep Learning mit PyTorch

Was ist Deep Learning?

Ein Zwiebeldiagramm, das Deep Learning als Teilbereich des maschinellen Lernens darstellt

Eine Darstellung eines kleinen neuronalen Netzes

Einführung in Deep Learning mit PyTorch

Was ist Deep Learning?

Ein Zwiebeldiagramm, das Deep Learning als Teilbereich des maschinellen Lernens darstellt

Eine Darstellung eines neuronalen Netzes mit mehreren Schichten

Einführung in Deep Learning mit PyTorch

Deep Learning-Netze

$$

  • Inspiriert von der Art und Weise, wie das menschliche Gehirn lernt

Eine Illustration einer Person, die das Gehirn untersucht

Einführung in Deep Learning mit PyTorch

Deep Learning-Netze

$$

  • Inspiriert von der Art und Weise, wie das menschliche Gehirn lernt
  • Neuronen ➡ Neuronale Netze
  • Modelle erfordern eine große Menge an Daten
  • Mindestens 100.000 Datenpunkte

Eine Illustration einer Person, die das Gehirn mit einer Lupe untersucht, vergrößert sind Neuronen sichtbar

Einführung in Deep Learning mit PyTorch

PyTorch: ein Deep Learning-Framework

$$

$$

  • Eines der beliebtesten Frameworks
  • Ursprünglich von Meta AI entwickelt, jetzt Teil der Linux Foundation
  • Intuitiv und benutzerfreundlich
  • Ähnlichkeiten mit NumPy

 

Das PyTorch-Logo

Einführung in Deep Learning mit PyTorch

PyTorch-Tensoren

$$

  • Tensor:
    • Ähnlich wie Array oder Matrix
    • Baustein der neuronalen Netze

$$

import torch

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

tensor([[1, 2, 3],
        [4, 5, 6]])
Einführung in Deep Learning mit PyTorch

Tensor-Attribute

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

torch.Size([2, 3])
  • Tensor-Datentyp
print(tensor.dtype)

torch.int64
Einführung in Deep Learning mit PyTorch

Erste Versuche mit Tensor-Operationen

Kompatible Formen

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

b = torch.tensor([[2, 2], 
                  [3, 3]])
  • Addition / Subtraktion
print(a + b)

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

Inkompatible Formen

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

c = torch.tensor([[2, 2, 4], 
                  [3, 3, 5]])
  • Addition / Subtraktion
print(a + c)

RuntimeError: The size of tensor a
(2) must match the size of tensor b (3) 
at non-singleton dimension 1
Einführung in Deep Learning mit PyTorch

Elementweise Multiplikation

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

tensor([[2,  2],
        [6, 6]])
Einführung in Deep Learning mit PyTorch

Matrix-Multiplikation

Matrix-Multiplikation

Einführung in Deep Learning mit PyTorch

Matrix-Multiplikation

Matrix-Multiplikation hervorgehoben

$$

  • $1 \cdot 2 + 1 \cdot 3 = 5$

$$

  • Führen Addition und Multiplikation aus zur Verarbeitung von Daten und Erlernen von Mustern
Einführung in Deep Learning mit PyTorch

Probier es aus!

Einführung in Deep Learning mit PyTorch

Preparing Video For Download...