Neural networks और layers

PyTorch के साथ Deep Learning परिचय

Jasmin Ludolf

Senior Data Science Content Developer, DataCamp

Neural network layers

इनपुट, hidden layer और आउटपुट वाला neural network का डायग्राम

Neural network layers

इनपुट, hidden layer और आउटपुट वाला neural network का डायग्राम

Neural network layers

इनपुट, hidden layer और आउटपुट वाला neural network का डायग्राम

Neural network layers

इनपुट, hidden layer और आउटपुट वाला neural network का डायग्राम

हमारा पहला neural network

सिर्फ इनपुट और आउटपुट वाला बेसिक neural network

Fully connected network
Linear model के बराबर

Neural network डिजाइन करना

Neural network के इनपुट को दर्शाते तीन nodes

# Importing as nn to avoid writing torch.nn
import torch.nn as nn


# Create input_tensor with three features
input_tensor = torch.tensor(
    [[0.3471, 0.4547, -0.2356]])

Input neurons = features
Output neurons = classes

Neural network डिजाइन करना

तीन इनपुट nodes और आगे की ओर तीर, linear layer दर्शाते हुए

# Importing as nn to avoid writing torch.nn
import torch.nn as nn


# Create input_tensor with three features
input_tensor = torch.tensor(
    [[0.3471, 0.4547, -0.2356]])


# Define our linear layer
linear_layer = nn.Linear(

                         in_features=3,

                         out_features=2

                         )

Neural network डिजाइन करना

सिर्फ इनपुट और आउटपुट वाला बेसिक neural network

# Importing as nn to avoid writing torch.nn
import torch.nn as nn


# Create input_tensor with three features
input_tensor = torch.tensor(
    [[0.3471, 0.4547, -0.2356]])


# Define our linear layer
linear_layer = nn.Linear(
                         in_features=3, 
                         out_features=2
                         )


# Pass input through linear layer
output = linear_layer(input_tensor)
print(output)

Neural network डिजाइन करना

सिर्फ इनपुट और आउटपुट वाला बेसिक neural network

$$ $$ $$

# Pass input through linear layer
output = linear_layer(input_tensor)
print(output)

tensor([[-0.2415, -0.1604]], 
    grad_fn=<AddmmBackward0>)

Weights और biases

output = linear_layer(input_tensor)

Linear operation का निरूपण

Weights और biases

.weight
```
print(linear_layer.weight)
```

Parameter containing:
tensor([[-0.4799,  0.4996,  0.1123],
        [-0.0365, -0.1855,  0.0432]], 
        requires_grad=True)

अलग-अलग features की अहमियत दर्शाता है

.bias
```
print(linear_layer.bias)
```

Parameter containing:
tensor([0.0310, 0.1537], requires_grad=True)

neuron को baseline आउटपुट देता है

एक fully connected network क्रिया में

सिर्फ इनपुट और आउटपुट वाला बेसिक neural network

एक fully connected network क्रिया में

सिर्फ इनपुट और आउटपुट वाला बेसिक neural network

एक fully connected network क्रिया में

सिर्फ इनपुट और आउटपुट वाला बेसिक neural network

Humidity फीचर का weight ज़्यादा अहम होगा
Bias baseline जानकारी जोड़ने के लिए है

अभ्यास करते हैं!

PyTorch के साथ Deep Learning परिचय