Basic Deep Learning: Working with PyTorch (Part 1)

Trong hướng dẫn này, chúng ta sẽ tìm hiểu cách thao tác với PyTorch, một thư viện rất phổ biến trong deep learning. PyTorch là một thư viện mã nguồn mở được phát triển bởi Facebook AI Research và được sử dụng rộng rãi trong cộng đồng machine learning và deep learning.

Bước 1: Cài đặt PyTorch
Trước khi bắt đầu làm việc với PyTorch, bạn cần cài đặt thư viện này trên máy tính của mình. Bạn có thể sử dụng pip để cài đặt PyTorch bằng cách chạy lệnh sau trong terminal:

pip install torch torchvision

Sau khi cài đặt xong, bạn có thể kiểm tra xem PyTorch đã được cài đặt thành công bằng cách mở terminal và chạy lệnh sau:

python
import torch
print(torch.__version__)

Nếu phiên bản của PyTorch được in ra mà không có lỗi nào xuất hiện, điều đó có nghĩa là bạn đã cài đặt PyTorch thành công trên máy tính của mình.

Bước 2: Tạo tensor và thực hiện các phép toán cơ bản
Tensor là đối tượng chính trong PyTorch, tương tự như arrays trong Numpy. Để tạo một tensor, bạn có thể sử dụng hàm torch.Tensor() hoặc torch.tensor(). Ví dụ:

import torch

# Tạo một tensor với giá trị ngẫu nhiên
x = torch.Tensor(3, 3)
print(x)

# Tạo một tensor với giá trị cụ thể
y = torch.tensor([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
print(y)

Bạn cũng có thể thực hiện các phép toán cơ bản trên các tensors bằng cách sử dụng các phép toán toán học chuẩn. Ví dụ:

import torch

x = torch.tensor([[1, 2], [3, 4]])
y = torch.tensor([[5, 6], [7, 8]])

# Cộng hai tensors
z = x + y
print(z)

# Nhân hai tensors
z = x * y
print(z)

Bước 3: Tính gradient với autograd
Một trong những tính năng mạnh mẽ của PyTorch là autograd, một công cụ tự động tính toán đạo hàm cho các phép toán trên tensors. Điều này giúp cho việc huấn luyện các mô hình deep learning trở nên dễ dàng hơn. Ví dụ:

import torch

x = torch.tensor([[1., 2.], [3., 4.]], requires_grad=True)
y = x + 2
z = y * y * 3
out = z.mean()

out.backward()

print(x.grad)

Trong ví dụ trên, chúng ta đã tính gradient của tensor x theo tensor out và in ra kết quả trong x.grad. Autograd tự động tính toán gradient cho tensors được đánh dấu với requires_grad=True.

Đây chỉ là một số khái niệm cơ bản về cách thao tác với PyTorch. Trong phần tiếp theo, chúng ta sẽ tìm hiểu thêm về cách xây dựng mạng neural và huấn luyện mô hình trong PyTorch. Chúc bạn học tập vui vẻ!