Ep. 1 Pengenalan PyTorch

PyTorch adalah sebuah library open source machine learning yang sangat populer di kalangan peneliti dan praktisi machine learning. PyTorch dikembangkan oleh Facebook AI Research (FAIR) dan masih terus berkembang dengan dukungan dari komunitas pengembang yang besar.

Dalam tutorial ini, kita akan belajar tentang pengenalan PyTorch untuk pemula. Kita akan membahas beberapa konsep dasar dan langkah-langkah untuk memulai dengan PyTorch.

1. Instalasi PyTorch
   Langkah pertama yang harus Anda lakukan adalah menginstal PyTorch. Anda dapat menginstal PyTorch dengan menggunakan package manager pip. Untuk menginstal PyTorch dengan pip, Anda dapat menjalankan perintah berikut:

   pip install torch

Anda juga bisa mengunjungi situs web resmi PyTorch di https://pytorch.org untuk mendapatkan instruksi instalasi yang lebih lengkap sesuai dengan sistem operasi dan environment yang Anda gunakan.

1. Membuat Tensor
   Tensor adalah struktur data utama yang digunakan di PyTorch. Tensor mirip dengan array multidimensi dalam NumPy, namun memiliki fitur tambahan yang mendukung komputasi di GPU. Anda dapat membuat tensor dengan menggunakan fungsi torch.tensor seperti contoh berikut:

   
   import torch

Membuat tensor numpy

tensor_np = torch.tensor([[1, 2], [3, 4]])

Membuat tensor random

tensor_rand = torch.rand(2, 2)

3. Operasi Tensor
PyTorch menyediakan banyak fungsi untuk melakukan operasi tensor, seperti penjumlahan, perkalian, dan fungsi matematika lainnya. Berikut adalah contoh penggunaan operasi tensor di PyTorch:

import torch

Membuat tensor

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

Penjumlahan tensor

z = x + y

Perkalian tensor

w = torch.mm(x, y)

Fungsi matematika

exp_x = torch.exp(x)

4. Autograd
Salah satu fitur yang sangat powerful dari PyTorch adalah autograd. Autograd adalah mekanisme yang memungkinkan PyTorch untuk melakukan perhitungan gradien secara otomatis. Dengan autograd, Anda tidak perlu menghitung gradien secara manual, PyTorch akan melakukannya untuk Anda. Berikut adalah contoh penggunaan autograd di PyTorch:

import torch

Membuat tensor dengan requires_grad=True

x = torch.tensor([[1, 2], [3, 4]], requires_grad=True)

Melakukan perhitungan dengan tensor

y = x + 2
z = y.mean()

Menghitung gradien

z.backward()

Menampilkan gradien

print(x.grad)

5. CUDA
PyTorch juga mendukung komputasi di GPU dengan menggunakan CUDA. Anda dapat memindahkan tensor ke GPU dengan menggunakan fungsi `.cuda()`. Berikut adalah contoh penggunaan GPU di PyTorch:

import torch

Membuat tensor di CPU

x = torch.tensor([[1, 2], [3, 4]])

Memindahkan tensor ke GPU

x_cuda = x.cuda()

Dengan demikian, kita telah membahas beberapa konsep dasar dari PyTorch untuk pemula. Selanjutnya, Anda dapat menjelajahi lebih lanjut tentang PyTorch dengan membaca dokumentasi resmi atau mengikuti tutorial-tutorial lanjutan. Teruslah belajar dan eksplorasi lebih lanjut tentang machine learning dengan PyTorch!