目次
PyTorch 基礎
PyTorch の主要な機能一覧
PyTorch は、機械学習やディープラーニングの実装に便利なさまざまな機能を提供しています。
その中でも、必須の機能 を以下に整理しました。一つずつ学習していきましょう。
1. Tensor（テンソル）
- 数値データを効率的に扱うための基本的なデータ構造
- NumPy の
ndarrayに似ているが、GPU を使った計算が可能 - 自動微分（Autograd） に対応している
2. Autograd（自動微分）
- 勾配（微分）を自動計算する機能
- 損失関数を微分して、最適化の計算を簡単に行える
3. Optimizer（最適化アルゴリズム）
- 勾配降下法（Gradient Descent）や Adam などの最適化アルゴリズムを提供
torch.optimを使用してモデルのパラメータを更新
4. nn（ニューラルネットワークの構築）
torch.nnはディープラーニングの層（レイヤー）を構築するためのモジュールtorch.nn.Moduleを継承してモデルを定義できる
5. Dataset & DataLoader（データセット管理）
- 大量のデータを扱いやすくするためのツール
- バッチ処理やシャッフルを簡単に実装
6. GPU & CUDA（GPU 計算）
- PyTorch は GPU を使った高速計算が可能
to("cuda")を使うことで GPU へ Tensor を移動できる
7. torchvision（画像データ処理）
- 画像データの前処理、データセットの管理、モデルの読み込みが可能
torchvision.datasetsで MNIST などのデータセットを利用できる
8. torchtext（自然言語処理）
- テキストデータの前処理やデータセットの管理を提供
torchtext.datasetsを使えば、IMDb などのデータセットを簡単に扱える
9. モデルの保存 & ロード
- 学習済みモデルを保存して再利用可能
torch.save()で保存し、torch.load()で復元できる
10. 分散学習 & マルチ GPU
- 複数の GPU を利用して高速に学習
torch.nn.DataParallel()を使うことで簡単に並列処理が可能
📌 まとめ
| 機能 | 説明 |
|---|---|
| Tensor | 数値データの処理（NumPy 互換 & GPU 対応） |
| Autograd（自動微分） | 勾配（微分）の計算を自動化 |
| Optimizer（最適化） | SGD, Adam などの最適化アルゴリズム |
| nn（ニューラルネットワーク） | ニューラルネットワークを簡単に構築 |
| Dataset & DataLoader | データのバッチ処理 & ローダー |
| GPU & CUDA | GPU を活用した高速計算 |
| torchvision | 画像データの処理 & 事前学習モデル |
| torchtext | NLP（自然言語処理）のデータ処理 |
| モデルの保存 & ロード | torch.save() で保存、torch.load() で復元 |
| 分散学習 & マルチ GPU | DataParallel() で並列学習 |