Deep Learning เบื้องต้นด้วย PyTorch

Deep Learning เบื้องต้นด้วย PyTorch

Jasmin Ludolf

Senior Data Science Content Developer, DataCamp

Deep learning อยู่รอบตัวเรา!

ภาพประกอบแสดงหลายภาษารอบโลก

Deep Learning เบื้องต้นด้วย PyTorch

Deep learning อยู่รอบตัวเรา!

ภาพประกอบแสดงหลายภาษารอบโลก และรถยนต์ขับเคลื่อนอัตโนมัติ

Deep Learning เบื้องต้นด้วย PyTorch

Deep learning อยู่รอบตัวเรา!

ภาพประกอบแสดงหลายภาษารอบโลก รถยนต์ขับเคลื่อนอัตโนมัติ และการวินิจฉัยทางการแพทย์

Deep Learning เบื้องต้นด้วย PyTorch

Deep learning อยู่รอบตัวเรา!

ภาพประกอบแสดงหลายภาษารอบโลก รถยนต์ขับเคลื่อนอัตโนมัติ และการวินิจฉัยทางการแพทย์

Deep Learning เบื้องต้นด้วย PyTorch

Deep learning คืออะไร?

แผนภาพวงกลมซ้อนแสดง deep learning เป็นส่วนหนึ่งของ machine learning

แผนภาพ neural network ขนาดเล็ก

Deep Learning เบื้องต้นด้วย PyTorch

Deep learning คืออะไร?

แผนภาพวงกลมซ้อนแสดง deep learning เป็นส่วนหนึ่งของ machine learning

แผนภาพ neural network ที่มีหลาย layer

Deep Learning เบื้องต้นด้วย PyTorch

โครงข่ายประสาทเทียม (Deep learning)

$$

  • ได้แรงบันดาลใจจากการเรียนรู้ของสมองมนุษย์

ภาพประกอบคนกำลังศึกษาสมอง

Deep Learning เบื้องต้นด้วย PyTorch

โครงข่ายประสาทเทียม (Deep learning)

$$

  • ได้แรงบันดาลใจจากการเรียนรู้ของสมองมนุษย์
  • เซลล์ประสาท ➡ neural network
  • โมเดลต้องการข้อมูลจำนวนมาก
  • อย่างน้อย 100,000 จุดข้อมูลขึ้นไป

ภาพประกอบคนกำลังศึกษาสมอง โดยเน้นที่เซลล์ประสาท

Deep Learning เบื้องต้นด้วย PyTorch

PyTorch: framework สำหรับ deep learning

$$

$$

  • หนึ่งใน framework ที่ได้รับความนิยมสูงสุด
  • พัฒนาโดย Meta AI และปัจจุบันอยู่ภายใต้ Linux Foundation
  • ใช้งานง่ายและเป็นมิตรกับผู้ใช้
  • มีความคล้ายคลึงกับ NumPy

 

โลโก้ PyTorch

Deep Learning เบื้องต้นด้วย PyTorch

PyTorch tensors

$$

  • Tensor:
    • คล้ายกับ array หรือ matrix
    • เป็นหน่วยพื้นฐานของ neural network

$$

import torch

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

คุณสมบัติของ tensor

  • รูปร่างของ tensor
my_list = [[1, 2, 3], [4, 5, 6]]
tensor = torch.tensor(my_list)
print(tensor.shape)
torch.Size([2, 3])
  • ชนิดข้อมูลของ tensor
print(tensor.dtype)
torch.int64
Deep Learning เบื้องต้นด้วย PyTorch

เริ่มต้นใช้งานการดำเนินการกับ tensor

รูปร่างที่เข้ากันได้

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

b = torch.tensor([[2, 2], 
                  [3, 3]])
  • การบวก / ลบ
print(a + b)
tensor([[3, 3],
        [5, 5]])

รูปร่างที่ไม่เข้ากัน

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

c = torch.tensor([[2, 2, 4], 
                  [3, 3, 5]])
  • การบวก / ลบ
print(a + c)
RuntimeError: The size of tensor a
(2) must match the size of tensor b (3) 
at non-singleton dimension 1
Deep Learning เบื้องต้นด้วย PyTorch

การคูณแบบ element-wise

a = torch.tensor([[1, 1], 
                  [2, 2]])
b = torch.tensor([[2, 2], 
                  [3, 3]])
print(a * b)
tensor([[2,  2],
        [6, 6]])
Deep Learning เบื้องต้นด้วย PyTorch

การคูณเมทริกซ์

การคูณเมทริกซ์

Deep Learning เบื้องต้นด้วย PyTorch

การคูณเมทริกซ์

การคูณเมทริกซ์แบบไฮไลต์

$$

  • $1 \cdot 2 + 1 \cdot 3 = 5$

$$

  • ใช้การบวกและคูณเพื่อประมวลผลข้อมูลและเรียนรู้รูปแบบ
Deep Learning เบื้องต้นด้วย PyTorch

มาฝึกกันเถอะ!

Deep Learning เบื้องต้นด้วย PyTorch

Preparing Video For Download...