इस ब्लॉग में, इस बात पर ध्यान केंद्रित किया जाएगा कि PyTorch में एक मॉडल परत का वजन कैसे प्राप्त किया जाए।
PyTorch में एक मॉडल परत का वजन क्या है?
“ तौल ' और ' पूर्वाग्रहों दोनों न्यूरल नेटवर्क मॉडल की आवश्यक विशेषताएं हैं। ये दोनों सीखने योग्य पैरामीटर हैं जिन्हें मॉडल के प्रत्येक फॉरवर्ड पास के साथ प्रशिक्षण लूप के दौरान नियमित रूप से अपडेट किया जाता है। यह नियमित अद्यतन एडम ऑप्टिमाइज़र जैसे एकीकृत ऑप्टिमाइज़र के कारण है। तंत्रिका नेटवर्क मॉडल का उद्देश्य इनपुट डेटा के आधार पर सटीक भविष्यवाणियां करना है और नुकसान को कम करने के लिए इन परिणामों को समायोजित करने के लिए वजन और पूर्वाग्रह का उपयोग किया जाता है।
PyTorch में एक मॉडल परत का वजन कैसे प्राप्त करें?
“ तौल 'एक परत को पायथन डिक्शनरी में संग्रहीत किया जाता है और सिंटैक्स का उपयोग किया जाता है' राज्य_निर्देश() ”। शब्दकोश का उपयोग नीचे दिए गए चरणों का उपयोग करके वज़न को कॉल करने के लिए किया जाता है:
चरण 1: कोलाब आईडीई खोलें
यह ट्यूटोरियल प्रोजेक्ट के लिए आईडीई की पसंद के साथ शुरू होगा। कोलैबोरेटरी पर जाएँ वेबसाइट और एक 'शुरू करें नई नोटबुक काम शुरू करने के लिए:
चरण 2: पुस्तकालय स्थापित करें और आयात करें
कोलाब नोटबुक स्थापित करने के बाद, ' स्थापित करना ' और ' आयात 'वे पुस्तकालय जो परियोजना में सभी आवश्यक कार्यात्मकताओं को कवर करते हैं:
! पिप टॉर्च स्थापित करेंआयात मशाल
आयात टॉर्चविज़न. मॉडल
उपरोक्त कोड इस प्रकार काम करता है:
- “ रंज 'पायथन से पैकेज इंस्टॉलर का उपयोग आवश्यक को स्थापित करने के लिए किया जाता है' मशाल ' पुस्तकालय।
- अगला, ' आयात इसे प्रोजेक्ट में आयात करने के लिए कमांड का उपयोग किया जाता है।
- अंत में, ' टॉर्चविजन.मॉडल गहन शिक्षण मॉडल की अतिरिक्त कार्यक्षमता के लिए पैकेज भी आयात किया गया है:
चरण 3: रेसनेट मॉडल आयात करें
इस ट्यूटोरियल में, ' रेसनेट50 प्रदर्शन के लिए टॉर्चविज़न लाइब्रेरी में मौजूद 50 परतों वाले तंत्रिका नेटवर्क मॉडल का उपयोग किया जाता है। दिखाए गए अनुसार पूर्व-प्रशिक्षित मॉडल आयात करें:
नमूना_मॉडल = टॉर्चविज़न. मॉडल . गंभीर50 ( पूर्व प्रशिक्षित = सत्य ) 
चरण 4: मॉडल परत को परिभाषित करें
मॉडल परत नाम को परिभाषित करें और 'का उपयोग करें' राज्य_निर्देश() 'इसका वजन प्राप्त करने की विधि जैसा दिखाया गया है:
नमूना_परत_नाम = 'लेयर2.0.conv1'नमूना_परत_भार = नमूना_मॉडल. राज्य_निर्देश ( ) [ नमूना_परत_नाम + '।वज़न' ]
छपाई ( 'परत वजन: \एन ' , नमूना_परत_भार। आकार )
उपरोक्त कोड इस प्रकार काम करता है:
- ResNet50 मॉडल की दूसरी जटिल परत 'को सौंपी गई है' नमूना_परत_नाम ' चर।
- फिर ' राज्य_निर्देश() 'विधि का प्रयोग' के साथ किया जाता है नमूना_मॉडल 'वेरिएबल और उन्हें' सौंपा गया है नमूना_परत_भार ' चर।
- “ नमूना_परत_नाम ' और यह ' ।वज़न ' को ' के तर्क के रूप में जोड़ा जाता है राज्य_निर्देश() वजन प्राप्त करने की विधि।
- अंत में, 'का उपयोग करें प्रिंट() 'लेयर वेट को आउटपुट के रूप में प्रदर्शित करने की विधि:
नीचे दिए गए आउटपुट से पता चलता है कि हमने पाइटोरच में मॉडल परत का वजन प्राप्त कर लिया है:
टिप्पणी : आप यहां हमारे कोलाब नोटबुक तक पहुंच सकते हैं जोड़ना .
प्रो टिप
PyTorch के भीतर एक मॉडल परत का वजन प्रशिक्षण लूप की प्रगति को दर्शाता है। इन भारों का उपयोग मॉडल की वृद्धि का पता लगाने के लिए किया जाता है क्योंकि यह इनपुट डेटा को आउटपुट परिणामों और भविष्यवाणियों में संसाधित करता है। परिणामों की गुणवत्ता का आकलन करने और यह जांचने के लिए कि कोई सुधार किया जाना है या नहीं, एक परत का वजन प्राप्त करना महत्वपूर्ण है।
सफलता! हमने प्रदर्शित किया है कि PyTorch मॉडल की एक परत का वजन कैसे प्राप्त किया जाए।
निष्कर्ष
का उपयोग करके PyTorch में एक मॉडल परत का वजन प्राप्त करें 'राज्य_निर्देश()' टॉर्चविज़न से एक मॉडल आयात करने या कस्टम मॉडल का उपयोग करने के बाद विधि। एक मॉडल परत का वजन सीखने योग्य पैरामीटर हैं जिन्हें प्रशिक्षण के दौरान लगातार अद्यतन किया जाता है और इसकी प्रगति को सूचीबद्ध किया जाता है। इस आलेख में, हमने दिखाया है कि टॉर्चविजन से ResNet50 मॉडल को कैसे आयात किया जाए और इसकी दूसरी जटिल परत का वजन कैसे प्राप्त किया जाए।