Introductie tot deep learning met PyTorch

Introductie tot Deep Learning met PyTorch

Jasmin Ludolf

Senior Data Science Content Developer, DataCamp

Deep learning is overal!

Illustratie met meerdere talen rond een wereldbol

Illustratie met meerdere talen rond een wereldbol en een zelfrijdende auto

Illustratie met meerdere talen rond een wereldbol, een zelfrijdende auto en medische diagnose

Illustratie met meerdere talen rond een wereldbol, een zelfrijdende auto en medische diagnose

Een ui-diagram dat deep learning toont als subset van machine learning

Een diagram van een klein neuraal netwerk

Een ui-diagram dat deep learning toont als subset van machine learning

Een diagram van een neuraal netwerk met meerdere lagen

Een illustratie van een persoon die de hersenen bestudeert

Een illustratie van een persoon die de hersenen bestudeert, met focus op neuronen

Het PyTorch-logo

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]])

Matrixvermenigvuldiging gemarkeerd

Introductie tot Deep Learning met PyTorch