टेन्सरफ्लो विरुद्ध पायटॉर्च - कन्व्होल्यूशनल न्यूरल नेटवर्क (सीएनएन)

ब्लॉग

माझ्या आधीच्या लेख , मी a ची अंमलबजावणी दिली होती साधे रेषीय प्रतिगमन दोन्हीमध्ये TensorFlow आणि PyTorch फ्रेमवर्क आणि त्यांच्या परिणामांची तुलना. या लेखात, आम्ही दोन्ही फ्रेमवर्कचा वापर करून अतिशय प्रसिद्ध फॅशन MNIST डेटासेटवर कन्व्होल्यूशनल न्यूरल नेटवर्क (CNN) च्या अनुप्रयोगाद्वारे जाऊ आणि परिणामांची तुलना करू.



या चरणात, आम्ही प्रशिक्षण संच आणि चाचणी संचामध्ये डेटा लोड करू. याव्यतिरिक्त, आम्ही दोन्ही फ्रेमवर्कमध्ये प्रतिमा कशी साठवली जाते ते देखील पाहू.

PyTorch

#PyTorch - Loading the Data def imshowPytorch(img): npimg = img.numpy() plt.imshow(np.transpose(npimg, (1, 2, 0))) train_loader = torch.utils.data.DataLoader(dataset=train_dataset_pytorch, batch_size=32, shuffle=False) test_loader = torch.utils.data.DataLoader(dataset=test_dataset_pytorch, batch_size=32, shuffle=False) data_iter = iter(train_loader) images, label = data_iter.next() imshowPytorch(torchvision.utils.make_grid(images[0])) print(label[0]) view raw ptvstf4.py hosted with ❤ by GitHub

PyTorch मध्ये, प्रतिमा 0-1 श्रेणीमध्ये संग्रहित केल्या जातात आणि म्हणून प्रतिमा B/W मध्ये प्रदर्शित केल्या जातात. प्रतिमा __ _ _ | फंक्शन वापरून ट्रेन_लोडर आणि टेस्ट_लोडरमध्ये लोड केल्या जातात. याव्यतिरिक्त, प्रतिमेचे लेबल देखील छापलेले आहे.



#दिशेने-डेटा-विज्ञान #एमएलएस #कृत्रिम-बुद्धिमत्ता #मशीन-लर्निंग-आय #मशीन-लर्निंग #डीप लर्निंग

datatascience.com

टेन्सरफ्लो विरुद्ध पायटॉर्च - कन्व्होल्यूशनल न्यूरल नेटवर्क (सीएनएन)

TensorFlow vs PyTorch - Convolutional Neural Networks (CNN): TensorFlow आणि PyTorch या दोन्हीमध्ये CNN ची अंमलबजावणी एक अतिशय प्रसिद्ध डेटासेट आणि परिणामांची तुलना.