PyTorchのバージョン確認と簡単な使い方について

はるか

PyTorchのバージョン確認って、どうやるの？

ふゅか

Python環境で `import torch` して、`print(torch.__version__)` ってやればすぐにわかるよ！

1. PyTorchのバージョン確認方法

PyTorchのバージョンは、Python環境で以下のコードを実行することで確認できます。

import torch
print(torch.__version__)

2. PyTorchの簡単な使い方

PyTorchは、機械学習やディープラーニングに特化した強力なライブラリです。以下に、基本的な使い方を紹介します。

2.1.  Tensor（テンソル）の作成

PyTorchの基本データ構造は torch.Tensor です。NumPyの配列のように扱えます。

import torch

# 1次元テンソル
x = torch.tensor([1.0, 2.0, 3.0])
print(x)

# 2次元テンソル（行列）
y = torch.tensor([[1, 2], [3, 4]])
print(y)

2.2. テンソルの演算

PyTorchのテンソル同士で演算ができます。

a = torch.tensor([1, 2, 3])
b = torch.tensor([4, 5, 6])

# 足し算
print(a + b)

# 掛け算（要素ごと）
print(a * b)

# 行列積
A = torch.tensor([[1, 2], [3, 4]])
B = torch.tensor([[5, 6], [7, 8]])
print(torch.matmul(A, B))  # または A @ B

2.3. GPUの利用確認と設定

PyTorchはGPUを使って高速計算ができます。現在の環境でGPUが利用可能かどうかは、以下のコードで確認できます。

print(torch.cuda.is_available())  # GPUが使えるか確認

はるか

GPUの利用確認ってどうやる？

ふゅか

`torch.cuda.is_available()` を `print()` で確認すればいいよ！True なら使える！

GPUを利用するには、デバイスを明示的に指定します。

device = torch.device("cuda" if torch.cuda.is_available() else "cpu")
x = torch.tensor([1.0, 2.0, 3.0], device=device)
print(x)

2.4. 自動微分（Autograd）

PyTorchのautograd機能を使うと、自動で微分を計算できます。

x = torch.tensor(2.0, requires_grad=True)
y = x**2 + 3*x + 1  # y = x^2 + 3x + 1
y.backward()  # 自動微分
print(x.grad)  # dy/dx = 2x + 3 の計算結果

2.5. 簡単なニューラルネットワークの作成

PyTorchでニューラルネットワークを作るには、torch.nn.Moduleを継承したクラスを作成します。

import torch.nn as nn
import torch.optim as optim

# シンプルなニューラルネットワーク
class SimpleNN(nn.Module):
    def __init__(self):
        super(SimpleNN, self).__init__()
        self.fc1 = nn.Linear(2, 4)  # 入力2, 出力4
        self.fc2 = nn.Linear(4, 1)  # 出力1

    def forward(self, x):
        x = torch.relu(self.fc1(x))
        x = self.fc2(x)
        return x

# モデルの作成
model = SimpleNN()
print(model)