Deep Learning Academy · पाठ

तत्व-दर-तत्व ऑपरेशन और Reduction

चुने हुए अक्षों पर योग, माध्य और अधिकतम निकालें

पाठ 2, कुल 4 में से13 चरण

तत्व-दर-तत्व ऑपरेशन और Reduction, CoddyKit पर Deep Learning Academy का एक निःशुल्क पाठ है। यह 4 में से 2वाँ पाठ है। आप नीचे पूरा पाठ निःशुल्क पढ़ सकते हैं—फिर अंतर्निहित कोड संपादक और 24/7 एआई ट्यूटर के साथ ब्राउज़र में इसका व्यावहारिक अभ्यास कर सकते हैं। यह Deep Learning Academy सीखने के मार्ग का हिस्सा है और आपकी प्रगति वेब तथा CoddyKit ऐप पर सिंक होती रहती है। Deep Learning Academy पाठ्यक्रम में कुल 4 पाठ शामिल हैं।

क्रियाओं के दो प्रकार

Tensor गणित दो परिवारों में बँटता है: तत्व-आधारित क्रियाएँ, जो आकार बनाए रखती हैं, और संक्षेपण क्रियाएँ, जो उसे घटाकर कम संख्याओं में बदल देती हैं।

तत्व-आधारित क्रिया आकार बनाए रखती है

एक तत्व-आधारित क्रिया हर प्रविष्टि पर स्वतंत्र रूप से एक ही काम लागू करती है। इनपुट का आकार जैसा हो, आउटपुट भी वैसा ही होता है; स्थानों के बीच कोई मिलावट नहीं होती।

b = a * 2 + 1
# same shape as a, every element transformed

युग्म-आधारित तत्व गणित

समान आकार वाले दो tensors पर तत्व-आधारित क्रियाएँ स्थान-दर-स्थान काम करती हैं। जोड़ में सूचकांक उसी सूचकांक से मिलता है और गुणा भी इसी तरह होता है।

c = a + b
d = a * b

गणितीय फलन भी तत्व-आधारित हैं

torch.relu, exp और वर्गमूल जैसे फलन तत्व-आधारित रूप से चलते हैं। हर संख्या अपने-आप बदलती है और tensor अपना मूल आकार बनाए रखता है।

r = torch.relu(x)
e = torch.exp(x)

संक्षेपण संख्याओं को घटाता है

एक संक्षेपण कई मानों को कम मानों में मिलाता है। sum, mean और max पूरे tensor को सामान्यतः एकल scalar में बदल देते हैं।

total = x.sum()
avg = x.mean()

dim तर्क एक अक्ष चुनता है

केवल एक अक्ष के साथ संक्षेपण करने के लिए dim दें। चुना हुआ अक्ष हट जाता है और बाकी बने रहते हैं, इसलिए 2D tensor 1D बन जाता है।

col_sums = x.sum(dim=0)
row_means = x.mean(dim=1)

keepdim आकार बचाता है

संक्षेपित अक्ष को आकार 1 के रूप में बनाए रखने के लिए keepdim=True सेट करें। यही बचा हुआ आकार बाद के प्रसारण को सही ढंग से संरेखित करता है।

m = x.max(dim=1, keepdim=True).values

Mean को दशमलव मान चाहिए

mean भाग देता है, इसलिए उसे फ्लोटिंग-पॉइंट इनपुट चाहिए। इसे पूर्णांक tensor पर चलाने पर PyTorch शिकायत करेगा, जब तक कि आप पहले उसे फ्लोट में न बदल दें।

avg = x.float().mean()

argmax विजेता ढूँढ़ता है

कभी-कभी आपको मान नहीं, उसका स्थान चाहिए। argmax सबसे बड़ी प्रविष्टि का सूचकांक लौटाता है; इसी तरह कोई वर्गीकारक अपना अनुमानित वर्ग चुनता है।

pred = logits.argmax(dim=1)

उन्हें एक साथ जोड़ें

वास्तविक कोड दोनों प्रकारों को जोड़ता है: एक तत्व-आधारित रूपांतरण के बाद संक्षेपण होता है। त्रुटियों का वर्ग करें, फिर उनका mean लें—आपको माध्य वर्ग त्रुटि मिलती है।

mse = ((pred - target) ** 2).mean()

आकार बचाएँ या घटाएँ

सामान्य नियम यह है: जब हर मान को उसी स्थान पर बदलना हो, तो तत्व-आधारित क्रिया चुनें; और जब कुल या औसत जैसा सारांश चाहिए, तो संक्षेपण चुनें।

त्वरित जाँच

क्या आप बता सकते हैं कि कौन-सी क्रिया tensor का आकार बदलती है?

इंटरैक्टिव पाठ में इसका उत्तर दें

पुनरावृत्ति: रूपांतरण बनाम सारांश

तत्व-आधारित क्रियाएँ आकार बनाए रखती हैं और हर मान पर काम करती हैं; sum और mean जैसे संक्षेपण उसे घटाते हैं। dim और keepdim यह नियंत्रित करते हैं कि यह ठीक कैसे हो। 🎯

शुरुआत निःशुल्क

एआई शिक्षक के साथ Python सीखें — निःशुल्क

अपने ब्राउज़र में वास्तविक कोड लिखें और चलाएँ, चौबीसों घंटे एआई शिक्षक से तुरंत सहायता पाएँ, और वेब या ऐप पर वहीं से शुरू करें जहाँ आपने छोड़ा था।

पाठ्यक्रम: 30
पाठ: 120

निःशुल्क सीखना शुरू करें पूरा पाठ्यक्रम देखें

अक्सर पूछे जाने वाले प्रश्न

क्या “तत्व-दर-तत्व ऑपरेशन और Reduction” पाठ निःशुल्क है?

हाँ—“तत्व-दर-तत्व ऑपरेशन और Reduction” का पूरा पाठ यहाँ वेब पर निःशुल्क पढ़ा जा सकता है। इंटरैक्टिव अभ्यास (अंतर्निहित कोड संपादक और 24/7 एआई ट्यूटर) करने और Deep Learning Academy पाठ्यक्रम का बाकी हिस्सा अनलॉक करने के लिए CoddyKit PRO लें। Deep Learning Academy पाठ्यक्रम में कुल 4 पाठ शामिल हैं।

“तत्व-दर-तत्व ऑपरेशन और Reduction” में मैं क्या सीखूँगा?

चुने हुए अक्षों पर योग, माध्य और अधिकतम निकालें आप ब्राउज़र में सीधे चलाए जाने वाले व्यावहारिक कोड के साथ Deep Learning Academy का अभ्यास करते हैं, और पाठ पूरा करते समय 24/7 एआई ट्यूटर आपके प्रश्नों के उत्तर देता है।

क्या Deep Learning Academy शुरू करने के लिए मुझे किसी अनुभव की आवश्यकता है?

पहले के अनुभव की आवश्यकता नहीं है। CoddyKit पर Deep Learning Academy शुरुआती से लेकर उन्नत शिक्षार्थियों तक सभी के लिए व्यवस्थित किया गया है, इसलिए आप यहीं से या शुरुआत से सीखना शुरू कर सकते हैं और अपनी गति से आगे बढ़ सकते हैं। यह 4 में से 2वाँ पाठ है।

“तत्व-दर-तत्व ऑपरेशन और Reduction” पाठ पूरा करने में कितना समय लगता है?

CoddyKit का अधिकांश पाठ लगभग 5–10 मिनट में पूरा हो जाता है। हर पाठ छोटा और संवादात्मक है, इसलिए आप लगातार प्रगति करते हैं और वेब या ऐप पर वहीं से सीखना जारी रख सकते हैं जहाँ आपने छोड़ा था।

क्या मैं इस Deep Learning Academy पाठ में कोड लिख और चला सकता हूँ?

हाँ। हर Deep Learning Academy पाठ में एक अंतर्निर्मित कोड संपादक शामिल है, जिससे आप सीधे अपने ब्राउज़र में वास्तविक कोड लिख और चला सकते हैं और तुरंत एआई प्रतिक्रिया पा सकते हैं—स्थानीय सेटअप की आवश्यकता नहीं है।

इस पाठ्यक्रम के सभी पाठ

← Deep Learning Academy पर वापस जाएँ