はじめに 本稿はPyTorch中級者以上向けのニッチな内容ですが,どうしても計算方法の定義が見たいという方にはおすすめです.内容は主に3つです. PythonからC++で書かれたATenライブラリへの橋渡し (conv2dを例に挙げ,)ATen内で順伝搬関数が扱われているかを見る 逆伝搬関数がいかに順伝搬関数と紐づいているかを見る 隠された実装 PyTorchの公式ドキュメントを見ながらプログラミングをし,時には[Source]ボタンを押してgithubの実装を確認したりしますよね.でも[Source]ボタンがないときありますよね?例えばtorch.nn.Conv2dには[Source]ボタンがありますが,torch.nn.functional.conv2dにはありません. ・・・なんで同じConv2dなのに実装が見れないの? と思いつつ,PyTorchのgithubを確認してみます.to
概要 自作DNNフレームワークを実装すると既存DNNフレームワークのお気持ちが多少わかるようになる 自作DNNフレームワークを構築するにあたり、FunctionをC++でどう実装するか考えていた時の自分用メモを紹介 はじめに 久しぶりのブログ更新になってしまった。 最近は自作DNN (Deep Neural Network) フレームワークの実装が楽しい。この自作DNNフレームワークには、kuuという名前をつけた。中二っぽくていい! 具体的にどのようにDNNフレームワークで学習を行うかは、計算グラフの理論、DNNにおけるBackpropagationのアルゴリズム、フレームワークに含まれる個々のアルゴリズムなどを知っているだけでは自明でない。 自分自身、以前はDNNフレームワークを使いながら特にBackpropagationの具体的な実現方法がブラックボックスとなっていたところがあり、自作
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く