Enter Search Query:

PYTORCH – REDES NEURONALES EN PYTHON DE FORMA FÁCIL

PYTORCH – REDES NEURONALES EN PYTHON DE FORMA FÁCIL

Últimamente hay un gran revuelo por la inteligencia artificial y redes neuronales, Pytorch es una librería de Python que permite hacer cálculos numéricos haciendo uso de la programación de tensores. No solo esto, sino que permite utilizar la GPU para acelerar aún más los cálculos.

Pytorch está ganando mucho terreno en esta área, porque es muy sencillo de utilizar, además a pesar de ser una librería reciente, hay mucha documentación con ejemplos para usarla. Otra curiosidad a tener en cuenta, es que posee una comunidad que está creciendo muchísimo, en donde cada vez más programadores comparten sus códigos y experiencias. Por último, cabe destacar que es la librería principal que utiliza Facebook para aplicaciones de Deep Learning.

Pytorch se basa en el uso de tensores, que pueden ser equipados con vectores de una o muchas dimensiones.

Para entender un poco mejor el concepto de red neuronal, podemos decir que es un sistema de nodos interconectados de forma ordenado, distribuido por capas. A través de estas capas es posible captar una señal de entrada y emitir una salida. Se conoce como red neuronal, ya que es básicamente una emulación a la red biológica del reino animal. Estas capas pueden ser “entrenadas” para que aprendan.

Primeros pasos con Pytorch

Para instalar Pytorch, entramos a su web oficial:  pytorch.org y en la parte de Quick Start, veremos algo como lo siguiente:

Automáticamente identifica nuestro sistema operativo, packages, versión de Python, y CUDA es por si disponemos de alguna tarjeta gráfica. Aquí vemos que detectó la versión 9.0. En caso de no tener, simplemente seleccionamos NONE.

Por último, nos genera el comando que debemos correr desde nuestra consola:

1
2
pip3 install https://download.pytorch.org/whl/cu90/torch-1.1.0-cp37-cp37m-win_amd64.whl
pip3 install https://download.pytorch.org/whl/cu90/torchvision-0.3.0-cp37-cp37m-win_amd64.whl

Una vez instalado, podemos importarlo en nuestro proyecto de la siguiente manera:

1
Import torch

Con esto ya podemos comenzar a utilizar esta potente librería.

A continuación, veremos cómo verificar si tenemos disponible CUDA para procesar datos utilizando la GPU, lo que logrará que las ejecuciones sean más veloces.

En una consola, importamos torch y luego tipeamos:

1
torch.cuda.is_available()

En caso de estar disponible, nos responderá con un True.

Ahora veamos un ejemplo de cómo cargarle datos a un tensor, y luego como sumar tensores utilizando la GPU.

Comenzaremos creando un tensor de la siguiente forma:

1
2
3
import torch
x = torch.Tensor(5,4)
print (x)

Al correr el script, tendremos un resultado como este:

Ahora crearemos 2 tensores y los sumaremos.

1
2
3
4
5
import torch
x = torch.Tensor(5,4)
y = torch.Tensor(5,4)
z = x+y
print (z)

Finalmente haremos esta misma suma, pero utilizando la GPU, para ello colocamos lo siguiente:

1
2
3
4
5
6
7
import torch
x = torch.Tensor(5,4)
y = torch.Tensor(5,4)
x = x.cuda()
y = y.cuda()
z = x+y
print (z)

Básicamente lo que hacemos es pasar nuestras variables que estaban en la CPU a la GPU y luego podemos sumarla con normalidad.

Se puede hacer una infinidad de cosas interesantes con esta potente librería de Python, la limitación la pone la imaginación de cada uno.

Escrito por: @ANTRAX  |  ADMINISTRADOR UNDERC0DE
Trabaja actualmente como QA en dos empresas de software, controlando la calidad de los desarrollos que realizan, sometiéndolos a distintas pruebas, como lo es la seguridad. Participa activamente en la comunidad de Underc0de como administrador.
Disfruta investigar temas nuevos y redactar papers de lo que va aprendiendo para que después más gente pueda aprender de ellos.
Contacto:
underc0de.org/foro/profile/ANTRAX

Articulo Publicado en:

UnderDOCS – Agosto 2019, Número 1

https://underc0de.org/foro/e-zines/underdocs-agosto-2019-numero-1/

Comentarios

Comentarios

21 diciembre, 2019

Posts Relacionados

0 comentarios

Comentarios en: PYTORCH – REDES NEURONALES EN PYTHON DE FORMA FÁCIL

Deja un comentario

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *