- プロンプト実行例
- プロンプトを見る
質問したい言語の名前を入力してください。また、フレームワークやその他の制約条件を追加することもできます。
言語名
フレームワーク
その他の制約条件
Torchを使用していくつかの質問に答えます。どうかお知らせください。
- PyTorchで新しいニューラルネットワークを定義する方法はありますか?
- データセットからのバッチデータの取得方法を教えていただけますか?
- ニューラルネットワークの学習と推論におけるGPUの利用方法を教えてください。
MNISTデータの学習をしたいです。
に、PyTorchを使用してMNISTデータセットの学習を行うためのコードを示。PyTorchのtorchvisionモジュールからMNISTデータセットをダウンロードし、ニューラルネットワークを定義し、学習を行います。
Python1import torch 2import torchvision 3import torchvision.transforms as transforms 4import torch.nn as nn 5import torch.optim as optim 6 7# データセットの読み込みと前処理 8transform = transforms.Compose([transforms.ToTensor(), transforms.Normalize((0.5,), (0.5,))]) 9trainset = torchvision.datasets.MNIST(root='./data', train=True, download=True, transform=transform) 10trainloader = torch.utils.data.DataLoader(trainset, batch_size=4, shuffle=True, num_workers=2) 11 12# ニューラルネットワークの定義 13class Net(nn.Module): 14 def __init__(self): 15 super(Net, self).__init__() 16 self.conv1 = nn.Conv2d(1, 6, 5) 17 self.pool = nn.MaxPool2d(2, 2) 18 self.conv2 = nn.Conv2d(6, 16, 5) 19 self.fc1 = nn.Linear(16 * 4 * 4, 120) 20 self.fc2 = nn.Linear(120, 84) 21 self.fc3 = nn.Linear(84, 10) 22 23 def forward(self, x): 24 x = self.pool(F.relu(self.conv1(x))) 25 x = self.pool(F.relu(self.conv2(x))) 26 x = x.view(-1, 16 * 4 * 4) 27 x = F.relu(self.fc1(x)) 28 x = F.relu(self.fc2(x)) 29 x = self.fc3(x) 30 return x 31 32net = Net() 33 34# 損失関数と最適化アルゴリズムの定義 35criterion = nn.CrossEntropyLoss() 36optimizer = optim.SGD(net.parameters(), lr=0.001, momentum=0.9) 37 38# ニューラルネットワークの学習 39for epoch in range(2): 40 running_loss = 0.0 41 for i, data in enumerate(trainloader, 0): 42 inputs, labels = data 43 optimizer.zero_grad() 44 outputs = net(inputs) 45 loss = criterion(outputs, labels) 46 loss.backward() 47 optimizer.step() 48 running_loss += loss.item() 49 if i % 2000 == 1999: # 2000 ミニバッチごとに表示 50 print(f'[{epoch + 1}, {i + 1}] loss: {running_loss / 2000:.3f}') 51 running_loss = 0.0 52 53print('学習が完了しました。')
このコードでは、torchvisionを使用してMNISTデータセットをダウンロードし、torch.utils.data.DataLoaderを使用してデータをバッチで取得しています。また、Netクラスを定義してニューラルネットワークを作成し、最適化手法としてSGDを使用しています。学習ループ内でミニバッチごとに損失を計算し、モデルを最適化しています。
コメント 0
他のプロンプトもチェック
GPTs
文案作成
クラウドワークスの応募件数を、ぐぐっとアップさせる必殺GPTs。 URLを入力するだけで、案件の概要チェックと案件に合わせた提案文ができあがり!! 案件ごとに異なる募集内容って、慣れないとパっと見でお仕事内容や条件が解りにくいですよね。 使い方はカンタン! 「URLを入力するだけ」 毎回同じフォーマットで概要を確認できるので応募するかどうかの判断が早くなります。 案件に合わせた提案文も自動作成! あとは、ご自身のスキルやご経験に合わせて、ちょこっと修正するだけ。 あっという間に、応募できちゃいます!! 気に入ったらまた使えるように お気に入りの「ハート」マークをポチっとお願いします。 ※※※ GPTsご使用にあたって URLの読み込みに時に表示されるボタンは「常に許可する」をご選択ください。 【WebPilot】プラグインを使用して分析を行います。 #クラウドワークス #副業 #テンプレート #提案文 #案件応募13084336資料作成
推奨モデル - Gemini【答案用紙作成】宿題をとっとと終わらせて遊びたい君へ! 【解答解説作成】理解もちゃんとしておきたい要領の良い君へ! 【苦手な人向け】数式を見ると固まってしまう君へ! 【教材作成概要】教材の構成を俯瞰したい先生・保護者の方へ 【教材作成情報】AIの内部処理まで確認したい研究者・制作者の方へ * 各コマンド解説 【答案用紙作成】 途中式だけを最短ルートでスッキリ表示。 「とりあえず答えまでの道筋だけ知りたい!」という君にぴったり。 数学が嫌いでも、AIを使う楽しさから入ってみよう。 【解答解説作成】 答案用紙の途中式に「なぜその操作をするのか」を短く添えて出力。 参考書の“解答+ワンポイント解説”のように読めるモードです。 【苦手な人向け】 各ステップに「やること(Orient)」を見出しとして表示。 “今から何をするのか”が一言で分かるから、 解説を読む前に心の準備ができて安心して進めます。 【教材作成概要】 Step、変換操作、変換前後、次の操作だけを抽出し、 数式変形の流れを「状態遷移表」のように確認できます。 【教材作成情報】 OODA、タグ処理、演算子選択など、 EX4 が内部で行っているすべての情報を完全開示します。 教材制作・研究・AI挙動分析にご活用いただけます。 実は内部では【教材作成情報】を実行後に他のコマンド用に変形させるという工程を踏んでおります。 * 宿題にAIを使うことに懸念している保護者方へ。 省略しない出力もできるプロンプトを導入し、途中過程にも目を向けさせるように仕向けてみてはいかがでしょうか。また、このプロンプトで数式展開ができるのはなぜなのか、一緒に考えてみるのも良いのではないでしょうか。実は、このプロンプトの開発中には、書いたプロンプトをAIを使わず、Excelに書きながら手で回して、本当にこのプロンプトで実現可能なのか試しています(いわゆる"机上デバッグ"と言われることもやりました)。 * 本作は、数式を解説することを目指して作ったRF-EX1を、数式解説に特化して発展させたものになります。 * 本作でも、リブロワークス『ふりがなプログラミング』シリーズの読み下し文を参考にプロンプトを書いてみました。00486チャットボット
推奨モデル - ChatGPTあなたを論破し、コテンパンに叩きのめします。勝者募集中。 勝てた人はチャットログをコメントにシェアしてください! レギュレーション: GPT4o か Claude 3.5 Sonnet でレスバしてください。 #論破 #論点のすり替え #誤謬 #人格否定 #煽り #スルースキル #批判 #レスバ391092.06Kキャラクター作成
論破王ひろゆきとディベート対決!!💥 ちょっとウザくてクセのある、あの口調を全力で再現しました。 ※GPT-4推奨421621.85K