Introdução ao PyTorch

O que é o PyTorch?

PyTorch é basicamente uma biblioteca desenvolvida em python baseada no Torch que foi originalmente desenvolvido em Lua cuja finalidade é facilitar o desenvolvimento de aplicações de aprendizado de máquina. Uma vez que os algoritmos de aprendizado de máquina têm se tornado mais complexos, perder tempo com a programação ao invés de se preocupar com a arquitetura do modelo a ser desenvolvido não é algo desejável. Por isso, bibliotecas como PyTorch e Tensorflow foram desenvolvidas para ajudar a nós a programarmos sistema baseados em aprendizado de máquina de forma mais eficiente.

Por que usar o PyTorch?

O PyTorch foi desenvolvido pelo Facebook e é utilizado por grandes empresas como o Uber. A principal diferença entre o PyTorch e o Tensorflow é que o primeiro pode ser entendido como um framework do tipo ‘Definir-pela-execução’ e o segundo ‘Definir-e-executar’, ou seja, os grafos em PyTorch vão sendo definidos durante a execução do código dando uma sensação mais natural de se codificar, diferente do Tensorflow que primeiro define-se o grafo pra só depois executá-lo.

Instalação

Sem mais blá blá blá, vamos então instalar o PyTorch para podermos programar.

Os passos para instalação podem ser visualizados aqui. No entanto, eu vou descrever de forma simplificada os passos que eu realizei para instalar no meu computador. Os passos descritos aqui são para Linux mas a instalação em outros SO’s é bastante simples também.

A instalação consiste em 3 passos:

1. Instalar o Python

Muito provavelmente já deve vir na sua instalação do linux, caso contrário, instale. A recomendação pelo site do pytorch é usar o python 3. Para isso, execute os comandos abaixo:

$ sudo apt-get update
$ sudo apt-get install python3.6

2. Instalar o gerenciador de pacote.

Você Pode utilizado tanto Anaconda quanto o Pip, particularmente, recomendo utilizar o Anaconda. Para instala-lo basta:

$ cd /tmp
$ curl -O https://repo.anaconda.com/archive/Anaconda3-5.2.0-Linux-x86_64.sh
$ sh Anaconda3-5.2.0-Linux-x86_64.sh

Durante o processo de instalação você deverá:

  • Aceitar os termos.
  • Definir o local de instalação.

3. Instalar o PyTorch

Os comandos abaixo levam em consideração que tenha instalado o Anaconda como gerenciador de pacotes. Caso você possua acesso a uma GPU e ao CUDA, a instalação pode ser realizada pelo seguinte comando:

$ conda install pytorch torchvision cudatoolkit=9.0 -c pytorch

Para utilizar apenas a CPU pode utilizar o comando abaixo:

$ conda install pytorch-cpu torchvision-cpu -c pytorch

Primeiros passos no PyTorch

O conceito básico do PyTorch gira em torno dos Tensores. Um tensor pode ser entendido como uma generalização de matrizes, logo, tensores são por naturezas matrizes de N dimensões. Criar tensores com PyTorch é tão simples quanto em Numpy.

Primeiro vamos importar nossa biblioteca:

import torch

Podemos criar tensores da seguinte forma:

# vetor
v_data = [1., 2., 3., 4., 5.]
v = torch.tensor(v_data)
print(v)

# matriz
m_data = [[1., 1.5, 2.], [3., 3.5, 4]]
m = torch.tensor(m_data)
print(m)

Output:
>> tensor([1., 2., 3., 4., 5.])
>> tensor([[1., 1.5, 2.],
           [3., 3.5, 4.]])

Operações com tensores são realizadas de forma simples e intuitiva, por exemplo:

torch.manual_seed(1)

# Cria um tensor 2x2 com valores aleatórios
x = torch.rand(2, 2)
print(x)

# Cria um tensor 2x2 com todos os valores iguais a 1
y = torch.ones(2, 2)
print(y)

# Soma de dois tensores
print(x + y)

# Subtração de dois tensores
print(x - y)

# Somatório dos valores de um tensor
print(x.sum())

# Maior valor de um tensor
print(x.max())

Output:
>> tensor([[0.7576, 0.2793],
           [0.4031, 0.7347]])
>> tensor([[1., 1.],
           [1., 1.]])
>> tensor([[1.7576, 1.2793],
           [1.4031, 1.7347]])
>> tensor([[-0.2424, -0.7207],
           [-0.5969, -0.2653]])
>> tensor(2.1747)
>> tensor(0.7576)

Tensores podem ser remodelados facilmente:

torch.manual_seed(1)

t = torch.rand(4,2)
print(t)
print(t.view(1,8))
print(t.view(2,-1))

Output:
>> tensor([[0.7576, 0.2793],
          [0.4031, 0.7347],
          [0.0293, 0.7999],
          [0.3971, 0.7544]])
>> tensor([[0.7576, 0.2793, 0.4031, 0.7347, 0.0293, 0.7999, 0.3971, 0.7544]])
>> tensor([[0.7576, 0.2793, 0.4031, 0.7347],
          [0.0293, 0.7999, 0.3971, 0.7544]])

Conversão entre numpy array e tensores:

import numpy as np

np_array = np.ones((2, 2))

t = torch.from_numpy(np_array)
print(t)

t = t.numpy()
print(t)

Output:
>> <class 'torch.Tensor'>
>> <class 'numpy.ndarray'>