PyTorch チュートリアル

PyTorch はオープンソースの機械学習ライブラリであり、主にコンピュータビジョン（CV）、自然言語処理（NLP）、音声認識などの分野の研究開発に使用されます。

PyTorch は Facebook の人工知能研究チームによって開発され、機械学習および深層学習コミュニティで広く使用されています。

PyTorch はその柔軟性と使いやすさで知られており、特に深層学習の研究開発に適しています。

このチュートリアルは誰向けですか？

プログラミングの基礎知識があれば、このチュートリアルを読んで PyTorch を学ぶことができます。PyTorch は、データサイエンティスト、エンジニア、研究者、学生など、深層学習と機械学習に興味がある人に適しています。

このチュートリアルを読む前に必要な知識：

このチュートリアルを読み始める前に、Python プログラミング、基礎数学（線形代数、確率論、微積分）、機械学習の基本概念、ニューラルネットワークの知識、およびドキュメントや資料を調べるための一定の英語読解力が必要です。

  • プログラミングの基礎：少なくとも1つのプログラミング言語に精通していること、特にPython、PyTorch は主に Python で書かれているためです。

  • 数学の基礎：線形代数、確率論・統計学、微積分などの基礎数学の知識を理解すること。これらは機械学習アルゴリズムを理解し実装するための基盤です。

  • 機械学習の基礎：教師あり学習、教師なし学習、強化学習、モデル評価指標（精度、再現率、F1スコアなど）といった機械学習の基本概念を理解すること。

  • 深層学習の基礎：フィードフォワードニューラルネットワーク、畳み込みニューラルネットワーク（CNN）、リカレントニューラルネットワーク（RNN）、長短期記憶ネットワーク（LSTM）など、ニューラルネットワークの基本概念に精通していること。

  • コンピュータビジョンと自然言語処理の基礎：これらの分野で PyTorch を応用する予定であれば、関連する背景知識を理解しておくと非常に役立ちます。

  • Linux/Unix の基礎：必須ではありませんが、Linux/Unix オペレーティングシステムの基礎知識を理解していると、特にデータの前処理やモデルトレーニングにおいて、コマンドラインツールやスクリプトをより効率的に使用できます。

  • 英語の読解力：多くのドキュメント、チュートリアル、コミュニティでの議論は英語で行われているため、一定の英語読解力があれば、より効果的に学習し問題を解決するのに役立ちます。

例

以下は、PyTorch における基本的なテンソル操作の一部です。ランダムテンソルの作成、要素ごとの演算、特定の要素へのアクセス、合計と最大値の計算方法です。

例

import torch

# データ型とデバイスを設定
dtype = torch.float  # テンソルのデータ型は浮動小数点型
device = torch.device("cpu")  # 今回の計算は CPU 上で実行

# 2つのランダムテンソル a と b を作成して出力
a = torch.randn(2, 3, device=device, dtype=dtype)  # 2x3 のランダムテンソルを作成
b = torch.randn(2, 3, device=device, dtype=dtype)  # 2x3 のランダムテンソルをもう1つ作成

print("テンソル a:")
print(a)

print("テンソル b:")
print(b)

# 要素ごとに乗算して結果を出力
print("a と b の要素ごとの積:")
print(a * b)

# テンソル a の全要素の合計を出力
print("テンソル a の全要素の合計:")
print(a.sum())

# テンソル a の2行3列目の要素を出力（インデックスは0から始まることに注意）
print("テンソル a の2行3列目の要素:")
print(a[1, 2])

# テンソル a の最大値を出力
print("テンソル a の最大値:")
print(a.max())

テンソルの作成：

  • torch.randn(2, 3)2行3列のテンソルを作成し、ランダムな数値（正規分布に従う）を埋め込みます。
  • device=deviceとdtype=dtype計算デバイス（CPU または GPU）とデータ型（浮動小数点型）をそれぞれ指定しています。

テンソル操作：

  • a * b：要素ごとの乗算。
  • a.sum()：テンソルを計算aすべての要素の和。
  • a[1, 2]：テンソルにアクセスa2行3列目の要素（インデックスは0から始まることに注意）。
  • a.max()：テンソルを取得aの中の最大値。

出力：（実行のたびに値は異なる）

张量 a:
tensor([[-0.1460, -0.3490,  0.3705],
        [-1.1141,  0.7661,  1.0823]])

张量 b:
tensor([[ 0.6901, -0.9663,  0.3634],
        [-0.6538, -0.3728, -1.1323]])

a 和 b 的逐元素乘积:
tensor([[-0.1007,  0.3372,  0.1346],
        [ 0.7284, -0.2856, -1.2256]])

张量 a 所有元素的总和:
tensor(0.6097)

张量 a 第 2 行第 3 列的元素:
tensor(1.0823)

张量 a 中的最大值:
tensor(1.0823)

参考リンク

PyTorch 公式サイト ：https://pytorch.org/

PyTorch 公式入門チュートリアル：https://pytorch.org/get-started/locally/

PyTorch 公式ドキュメント：https://pytorch.org/docs/stable/index.html

PyTorch ソースコード：https://github.com/pytorch/pytorch

その他の拡張