Deep Learning para programadores com fastai e PyTorch

Capítulo 17. Uma rede neural a partir dos fundamentos

Este trabalho foi traduzido com recurso a IA. Agradecemos o teu feedback e comentários: [e-mail]

Este capítulo inicia uma jornada em que vamos nos aprofundar nos aspectos internos dos modelos que usamos nos capítulos anteriores. Vamos cobrir muitas das mesmas coisas que vimos antes, mas desta vez vamos olhar muito mais de perto os detalhes de implementação, e muito menos as questões práticas de como e porque as coisas são como são.

Vamos construir tudo do zero, usando apenas a indexação básica num tensor. Escreveremos uma rede neural desde o início e, em seguida, implementaremos a retropropagação manualmente para sabermos exatamente o que está a acontecer no PyTorch quando chamamos loss.backward. Também veremos como estender o PyTorch com funções autogradpersonalizadas que nos permitem especificar nossos próprios cálculos para frente e para trás.

Criando uma camada de rede neural do zero

Vamos começar por refrescar a nossa compreensão de como a multiplicação de matrizes é usada numa rede neural básica. Comoestamos construindo tudo do zero, não usaremos nada além de Python simples inicialmente (exceto para indexação em tensores PyTorch), e então substituiremos o Python simples pela funcionalidade PyTorch depois que tivermos visto como criá-la.

Modelar um neurónio

Um neurónio recebe um determinado número de entradas e tem um peso internopara cada uma delas. Soma essas entradas ponderadas para produzir ...