Introduction au deep learning avec PyTorch

Introduction au deep learning avec PyTorch

Jasmin Ludolf

Senior Data Science Content Developer, DataCamp

Le deep learning est partout !

Illustration montrant plusieurs langues autour d’un globe

Introduction au deep learning avec PyTorch

Le deep learning est partout !

Illustration montrant plusieurs langues autour d’un globe, et une voiture autopilotée

Introduction au deep learning avec PyTorch

Le deep learning est partout !

Illustration montrant plusieurs langues autour du globe, une voiture autopilotée et un diagnostic médical

Introduction au deep learning avec PyTorch

Le deep learning est partout !

Illustration montrant plusieurs langues autour du globe, une voiture autopilotée et un diagnostic médical

Introduction au deep learning avec PyTorch

Qu’est-ce que le deep learning ?

Un diagramme en oignon représentant l’apprentissage profond comme un sous-ensemble de l’apprentissage automatique

Schéma d’un petit réseau neuronal

Introduction au deep learning avec PyTorch

Qu’est-ce que le deep learning ?

Un diagramme en oignon représentant l’apprentissage profond comme un sous-ensemble de l’apprentissage automatique

Schéma d’un réseau neuronal à plusieurs couches

Introduction au deep learning avec PyTorch

Réseaux d’apprentissage profond

$$

  • Inspiré par la façon dont le cerveau humain apprend

Illustration d’une personne étudiant le cerveau

Introduction au deep learning avec PyTorch

Réseaux d’apprentissage profond

$$

  • Inspiré par la façon dont le cerveau humain apprend
  • Neurones ➡ réseaux neuronaux
  • Les modèles nécessitent une grande quantité de données
  • Au moins 100 000 points de données

Illustration d’une personne étudiant le cerveau, en particulier les neurones

Introduction au deep learning avec PyTorch

PyTorch : un cadre d’apprentissage profond

$$

$$

  • L’un des cadres les plus utilisés
  • Développé à l’origine par Meta AI, qui fait maintenant partie de la Fondation Linux.
  • Intuitif et convivial
  • Similitudes avec NumPy

 

Le logo PyTorch

Introduction au deep learning avec PyTorch

Tenseurs PyTorch

$$

  • Tenseur :
    • Semblable à un tableau ou à une matrice
    • Éléments constitutifs des réseaux neuronaux

$$

import torch

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

tensor([[1, 2, 3],
        [4, 5, 6]])
Introduction au deep learning avec PyTorch

Attributs du tenseur

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

torch.Size([2, 3])
  • Type de données du tenseur
print(tensor.dtype)

torch.int64
Introduction au deep learning avec PyTorch

Premiers pas avec les opérations sur les tenseurs

Formes compatibles

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

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

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

Formes incompatibles

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

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

RuntimeError: The size of tensor a
(2) must match the size of tensor b (3) 
at non-singleton dimension 1
Introduction au deep learning avec PyTorch

Multiplication élément par élément

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

tensor([[2,  2],
        [6, 6]])
Introduction au deep learning avec PyTorch

Multiplication matricielle

Multiplication matricielle

Introduction au deep learning avec PyTorch

Multiplication matricielle

Multiplication matricielle mise en évidence

$$

  • $1 \cdot 2 + 1 \cdot 3 = 5$

$$

  • Effectuer des additions et des multiplications pour traiter des données et apprendre des modèles
Introduction au deep learning avec PyTorch

Passons à la pratique !

Introduction au deep learning avec PyTorch

Preparing Video For Download...