फॉरवर्ड पास चलाना

PyTorch के साथ Deep Learning परिचय

Jasmin Ludolf

Senior Data Science Content Developer, DataCamp

फॉरवर्ड पास क्या है?

इनपुट डेटा लेयर्स से होकर बहता है
हर लेयर पर कैल्क्युलेशन होते हैं
अंतिम लेयर आउटपुट बनाती है

आउटपुट weights और biases पर आधारित होते हैं
training और predictions के लिए उपयोग होते हैं

फॉरवर्ड पास का निरूपण

फॉरवर्ड पास क्या है?

संभावित आउटपुट:

बायनरी क्लासिफिकेशन
मल्टी-क्लास क्लासिफिकेशन
रिग्रेशन

अंतिम आउटपुट हाइलाइट के साथ फॉरवर्ड पास

बायनरी क्लासिफिकेशन: फॉरवर्ड पास

टिप्पणियों के साथ कोड ब्लॉक

# 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
)

बायनरी क्लासिफिकेशन: फॉरवर्ड पास

# 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>)

आउटपुट: 0 और 1 के बीच पाँच probabilities, प्रत्येक एनिमल के लिए एक
क्लासिफिकेशन (0.5 थ्रेशहोल्ड):
- Class = 1 (mammal) जब मान ≥ 0.5 (0.5188, 0.5015)
- Class = 0 (not mammal) जब मान < 0.5 (0.3761, 0.3718, 0.4633)

मल्टी-क्लास क्लासिफिकेशन: फॉरवर्ड पास

क्लास 1 - mammal, क्लास 2 - bird, क्लास 3 - reptile

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])

मल्टी-क्लास क्लासिफिकेशन: फॉरवर्ड पास

हर रो का योग एक होता है
भविष्यवाणी किया गया लेबल = सबसे अधिक probability वाली क्लास
रो 1 = क्लास 1 (mammal), रो 2 = क्लास 1 (mammal), रो 3 = क्लास 3 (reptile)

रिग्रेशन: फॉरवर्ड पास

# 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>)

अभ्यास करते हैं!

PyTorch के साथ Deep Learning परिचय