Deep Learning Academy · पाठ

matmul और @ से Matrix Multiply

हर लेयर के पीछे मौजूद डॉट प्रोडक्ट समझें

पाठ 3, कुल 4 में से13 चरण

matmul और @ से Matrix Multiply, CoddyKit पर Deep Learning Academy का एक निःशुल्क पाठ है। यह 4 में से 3वाँ 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।

तत्व-आधारित क्रियाओं से आगे

तारांकन चिह्न से tensors का गुणा करना तत्व-आधारित होता है। मैट्रिक्स गुणन अलग है: यह पंक्तियों और स्तंभों को मिलाकर भारित योग बनाता है।

बड़ी मात्रा में डॉट गुणन

मैट्रिक्स गुणन की हर आउटपुट प्रविष्टि एक डॉट गुणन होती है: बाएँ मैट्रिक्स की एक पंक्ति और दाएँ मैट्रिक्स का एक स्तंभ आपस में जोड़ा जाता है।

आंतरिक आयामों का मिलना ज़रूरी है

(m, k) और (k, n) आकारों को गुणा करने के लिए आंतरिक k समान होना चाहिए। परिणाम (m, n) होता है: बाहरी आयाम बचते हैं और आंतरिक आयाम का योग हो जाता है।

@ ऑपरेटर

Python ने मैट्रिक्स गुणन के लिए अपना साफ़ प्रतीक दिया है। @ ऑपरेटर दो tensors को मैट्रिक्स के तरीके से गुणा करता है, बिना किसी दिखाई देने वाले लूप के।

c = a @ b

torch.matmul भी यही करता है

torch.matmul, @ का पूरा नाम लिखने वाला रूप है। परिणाम वही होता है और कोड में नामित फलन कॉल पसंद करने पर यह सुविधाजनक है।

c = torch.matmul(a, b)

आकारों पर ध्यान दें

(2, 3) को (3, 4) से गुणा करने पर (2, 4) मिलता है। आकारों को बाएँ से दाएँ पढ़ें: आंतरिक 3 हट जाता है और बाहरी जोड़ी बचती है।

a = torch.randn(2, 3)
b = torch.randn(3, 4)
c = a @ b  # shape (2, 4)

तारांकन @ नहीं है

इन दोनों को भ्रमित न करें: a * b तत्व-आधारित है और समान आकार माँगता है, जबकि a @ b मैट्रिक्स गुणन है और समान आंतरिक आयाम माँगता है।

मैट्रिक्स और वेक्टर का गुणन

किसी मैट्रिक्स को 1D वेक्टर से गुणा करने पर आपको एक वेक्टर मिलता है। हर आउटपुट संख्या उस मैट्रिक्स की पंक्ति और वेक्टर का डॉट गुणन होती है।

y = W @ x  # W is (n, m), x is (m,), y is (n,)

बैच में matmul

matmul बैच संभालता है: (B, m, k) और (B, k, n) आकार दें, तो यह B मैट्रिक्स-युग्मों में से हर एक को एक साथ गुणा करके (B, m, n) लौटाता है।

out = torch.matmul(batch_a, batch_b)

आकार की त्रुटियाँ साफ़ दिखाई देती हैं

आंतरिक आयामों को असंगत करने पर PyTorch स्पष्ट RuntimeError देता है। उन आकार-संदेशों को जल्दी पढ़ना आपका सबसे तेज़ डीबगिंग उपकरण बन जाता है।

हर परत का इंजन

यह एक क्रिया हर जगह मौजूद है। एक रैखिक परत बस इनपुट को भार मैट्रिक्स से गुणा करके उसमें बायस जोड़ती है, और matmul यही भारी काम करता है।

out = x @ W.T + bias

त्वरित जाँच

अब अपने आकार-संबंधी हिसाब की जाँच करने का समय है।

इंटरैक्टिव पाठ में इसका उत्तर दें

पुनरावृत्ति: पंक्तियाँ स्तंभों से मिलती हैं

@ या torch.matmul से मैट्रिक्स गुणन पंक्तियों और स्तंभों को डॉट गुणनों में जोड़ता है; आंतरिक आयाम समान होने चाहिए और बाहरी आयाम बने रहते हैं। यही हर परत को शक्ति देता है। 🔗

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 “matmul और @ से Matrix Multiply” पाठ निःशुल्क है?

हाँ—“matmul और @ से Matrix Multiply” 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।

“matmul और @ से Matrix Multiply” में मैं क्या सीखूँगा?

हर लेयर के पीछे मौजूद डॉट प्रोडक्ट समझें 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 3वाँ पाठ है।

“matmul और @ से Matrix Multiply” 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