Chạy một lượt truyền xuôi

Nhập môn Deep Learning với PyTorch

Jasmin Ludolf

Senior Data Science Content Developer, DataCamp

Truyền xuôi là gì?

Dữ liệu đầu vào đi qua các tầng
Tính toán ở mỗi tầng
Tầng cuối tạo đầu ra

Đầu ra dựa trên trọng số và độ lệch
Dùng cho huấn luyện và dự đoán

Minh họa lượt truyền xuôi

Truyền xuôi là gì?

Đầu ra có thể là:

Phân loại nhị phân
Phân loại đa lớp
Hồi quy

Minh họa truyền xuôi với đầu ra cuối được tô đậm

Phân loại nhị phân: truyền xuôi

Khối mã với chú thích

# 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
)

Phân loại nhị phân: truyền xuôi

# 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>)

Đầu ra: năm xác suất trong khoảng 0–1, mỗi con vật một giá trị
Phân loại (ngưỡng 0,5):
- Lớp = 1 (động vật có vú) cho giá trị ≥ 0,5 (0.5188, 0.5015)
- Lớp = 0 (không phải động vật có vú) cho giá trị < 0,5 (0.3761, 0.3718, 0.4633)

Phân loại đa lớp: truyền xuôi

Lớp 1 - động vật có vú, lớp 2 - chim, lớp 3 - bò sát

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])

Phân loại đa lớp: truyền xuôi

phân loại đa lớp

Mỗi hàng có tổng bằng 1
Nhãn dự đoán = lớp có xác suất cao nhất
Hàng 1 = lớp 1 (động vật có vú), hàng 2 = lớp 1 (động vật có vú), hàng 3 = lớp 3 (bò sát)

Hồi quy: truyền xuôi

# 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>)

Ayo berlatih!

Nhập môn Deep Learning với PyTorch