Blog ini akan menerangkan:
- Apakah Parameter dalam PyTorch?
- Mengapakah Pengguna Perlu Menyemak Parameter Model?
- Bagaimana untuk Memaparkan Bilangan Parameter Model dalam PyTorch?
Apakah Parameter dalam PyTorch?
Dalam PyTorch, ' nn.Modul kelas ” digunakan untuk menentukan model. Ia termasuk semua operasi dan lapisan yang membentuk model. Setiap lapisan mengandungi satu set parameter. Parameter pada asasnya dikemas kini semasa latihan untuk meminimumkan ralat antara nilai dan ramalan sebenar model.
Mengapakah Pengguna Perlu Menyemak Parameter Model?
Semasa melatih model, pengguna perlu mengetahui tentang bilangan parameter model mereka kerana ia memerlukan banyak memori dan kuasa pemprosesan. Jika mereka sudah biasa dengan bilangan parameter model, mereka boleh menilai dengan mudah jumlah memori yang akan diperlukan dan berapa lama masa yang diperlukan untuk melatih yang membantu pengguna mengoptimumkan proses latihan mereka serta menghalang sistem daripada kehabisan angkasa lepas.
Bagaimana untuk Memaparkan Bilangan Parameter Model dalam PyTorch?
' nn.Modul 'kelas mempunyai' parameter() ” kaedah yang digunakan untuk melihat bilangan parameter model dalam model PyTorch. Untuk mendapatkan semua elemen, ' num1() ” kaedah digunakan.
Untuk memahami konsep yang dibincangkan sebelum ini, mari kita lihat kod yang disediakan:
import obor. nn sebagai nn
kelas NNModel ( nn. Modul ) :
def __panas__ ( diri sendiri ) :
hebat ( NNModel , diri sendiri ) . __panas__ ( )
diri sendiri . fc1 = nn. Linear ( 10 , lima puluh )
diri sendiri . fc2 = nn. Linear ( lima puluh , 1 )
def ke hadapan ( diri sendiri , i ) :
i = diri sendiri . fc1 ( i )
i = diri sendiri . fc2 ( i )
kembali i
my_model = NNModel ( )
t_params = jumlah ( hlm. beri nama ( ) untuk hlm dalam my_model. parameter ( ) )
cetak ( f 'Jumlah bilangan parameter: {t_params}' )
Dalam kod yang dinyatakan di atas:
- Pertama, kita mentakrifkan model yang mempunyai dua lapisan linear.
- Kemudian, hasilkan contoh model dan gunakan ' parameter() ” kaedah untuk mendapatkan semula semua parameter.
- Seterusnya, kami menggunakan ungkapan penjana untuk mengira semua parameter dengan menjumlahkan bilangan elemen setiap parameter.
- Akhir sekali, panggil ' cetak() ” pernyataan untuk memaparkan nilai terhasil pada skrin:
Dalam kod yang diterangkan di atas, kami hanya memaparkan jumlah parameter, jika anda ingin mendapatkan nama dan saiz parameter, baris kod berikut boleh digunakan:
untuk nama , param dalam my_model. negeri_dikt ( ) . barang ( ) :cetak ( nama , param. saiz ( ) )
di sini:
- “ state_dict() ” ialah objek kamus Python yang digunakan untuk menyimpan dan memuatkan model daripada PyTorch.
- “ item() ” kaedah digunakan untuk mengembalikan senarai dengan semua kunci kamus bersama-sama dengan nilai.
- “ cetak() pernyataan ' digunakan untuk mencetak nama dan saiz parameter dengan melepasi ' saiz() ” kaedah dan parameter:
Itu sahaja! Kami telah menyusun cara termudah untuk mencetak bilangan parameter model dalam PyTorch.
Kesimpulan
Dalam PyTorch, ' nn.Modul kelas ” digunakan untuk mentakrifkan model yang merangkumi semua operasi dan lapisan yang membentuk model. ' nn.Modul 'kelas mempunyai' parameter() ” kaedah yang digunakan untuk melihat bilangan parameter model dalam model PyTorch. Tulisan ini menunjukkan kaedah untuk mencetak bilangan parameter model dalam PyTorch.