- 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。
Python
1import 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
SNS広告
再生数1000回未満なのは企画が悪い！安定して1万回再生を獲得できるショート動画の企画を50個出力できるツールです。バズりたい人はぜひこのツールを利用してみてください。 #インスタグラム #インスタ #TikTok #X #SNS151149299
