PyTorch Lightning এর প্রাথমিক লাইব্রেরি ইমপোর্ট

PyTorch Lightning ব্যবহার করার জন্য, প্রথমে আপনাকে প্রয়োজনীয় লাইব্রেরিগুলি ইমপোর্ট করতে হবে। নিচে PyTorch Lightning-এর প্রাথমিক লাইব্রেরি ইমপোর্ট করার একটি উদাহরণ দেওয়া হলো:

প্রাথমিক লাইব্রেরি ইমপোর্ট

import pytorch_lightning as pl
import torch
from torch import nn
from torch.utils.data import DataLoader, Dataset

লাইব্রেরির ব্যাখ্যা

pytorch_lightning:

• এটি PyTorch Lightning ফ্রেমওয়ার্কের প্রধান লাইব্রেরি, যা মডেল প্রশিক্ষণ এবং পরিচালনা করার জন্য ব্যবহার করা হয়।

torch:

• এটি মূল PyTorch লাইব্রেরি, যা টেনসর অপারেশন, নিউরাল নেটওয়ার্ক তৈরি এবং ডেটা প্রসেসিংয়ের জন্য ব্যবহৃত হয়।

torch.nn:

• নিউরাল নেটওয়ার্কের স্তর এবং অপারেশন সংক্রান্ত বিভিন্ন কনস্ট্রাক্টের জন্য ব্যবহৃত হয়, যেমন nn.Linear, nn.ReLU, ইত্যাদি।

torch.utils.data:

• ডেটা লোডিং এবং প্রক্রিয়াকরণের জন্য বিভিন্ন ইউটিলিটি সরবরাহ করে। এর মধ্যে DataLoader এবং Dataset ক্লাস অন্তর্ভুক্ত রয়েছে, যা ডেটা পরিচালনার জন্য ব্যবহৃত হয়।

উদাহরণস্বরূপ ব্যবহার

এখন, আপনি PyTorch Lightning ব্যবহার করে একটি সাধারণ মডেল তৈরি করতে পারেন। নিচে একটি মৌলিক মডেল তৈরির উদাহরণ দেওয়া হলো:

class SimpleModel(pl.LightningModule):
    def __init__(self):
        super(SimpleModel, self).__init__()
        self.layer = nn.Linear(28 * 28, 10)  # MNIST এর জন্য একটি সহজ লেয়ার

    def forward(self, x):
        return self.layer(x.view(x.size(0), -1))  # ইনপুট ফ্ল্যাট করা

    def training_step(self, batch, batch_idx):
        x, y = batch
        y_hat = self(x)  # মডেল প্রেডিকশন
        loss = nn.CrossEntropyLoss()(y_hat, y)
        return loss

    def configure_optimizers(self):
        return torch.optim.Adam(self.parameters(), lr=0.001)  # অপটিমাইজার কনফিগার করা

# ডেটাসেট লোড করা (উদাহরণস্বরূপ MNIST)
class MNISTDataset(Dataset):
    def __init__(self, transform=None):
        # ডেটা লোড করার কোড
        self.data = ...  # MNIST ডেটা লোড করুন
        self.transform = transform

    def __len__(self):
        return len(self.data)

    def __getitem__(self, idx):
        # একটি নমুনা ফেরত দিন
        sample = self.data[idx]
        if self.transform:
            sample = self.transform(sample)
        return sample

# প্রশিক্ষণ শুরু করা
model = SimpleModel()
trainer = pl.Trainer(max_epochs=5)
trainer.fit(model, DataLoader(MNISTDataset(), batch_size=32))

উপসংহার

PyTorch Lightning ব্যবহার করতে শুরু করার জন্য প্রাথমিক লাইব্রেরিগুলি ইমপোর্ট করা একটি গুরুত্বপূর্ণ পদক্ষেপ। এই উদাহরণগুলির মাধ্যমে, আপনি সহজেই একটি মৌলিক মডেল তৈরি করতে এবং প্রশিক্ষণ দিতে পারেন। PyTorch Lightning মডেল পরিচালনা এবং প্রশিক্ষণের প্রক্রিয়াকে সহজতর করে, যা আপনাকে দ্রুত গবেষণা এবং উন্নয়ন করতে সহায়তা করে।