هل مكتبة PyTorch عند استخدامها لبناء الشبكات العصبية الالتفافية (CNN) تجبرني أن أحمّل البيانات وأعالجها فقط من خلالها، وكأنها نظام مغلق مثل منتجات أبل (حيث كل شيء يعمل مع بعضه)، أم يمكنني الاستعانة بمكتبات أخرى مثل cv2 أو os أو غيرها في تجهيز البيانات؟

وعليكم السلام ورحمة الله وبركاته،

ChatGPT said:

وعليكم السلام ورحمة الله وبركاته،

مكتبة PyTorch لا تُجبِرك على أن يكون كل شيء بداخلها فقط، وليست نظامًا مغلقًا. هي توفر أدوات لمعالجة البيانات (مثل torchvision للصور) لكن من الممكن ان تستخدم معها مكتبات أخرى مثل:

• cv2 (OpenCV) لقراءة الصور أو معالجتها قبل إدخالها للنموذج.
• os أو pathlib لإدارة الملفات والمسارات.
• Pandas / NumPy لتنظيم البيانات أو التعامل مع الجداول.

PyTorch تهتم أكثر بجانب بناء النموذج والتدريب، أما تجهيز البيانات فيمكن أن تستخدم أي مكتبة ، ثم في النهاية تحول البيانات إلى Tensors ليتمكن PyTorch من التعامل معها.

بالتوفيق

وعليكم السلام ورحمة الله وبركاته.

بالتأكيد لا إن مكتبة PyTorch لا تجبرك أبدا على استخدام أدواتها الخاصة بها فقط لتحميل ومعالجة البيانا ولكن على العكس تماما أحد أهم أسباب شهرة وقوة PyTorch هي مرونتها وقابليتها للتكامل مع مكتبات بايثون الأخرى .

فالفكرة الأساسية هي أن PyTorch لا يهتم بكيفية إحضار بياناتك أو معالجتها في المراحل الأولى كل ما يهمه هو أن تكون البيانات في النهاية على هيئة torch.Tensor قبل إدخالها إلى الشبكة العصبية.

الف شكراا جدا لحضرتكم

جزاكم الله كل خير

ستحتاج إلى استخدام دوال PyTorch فقط في حال المعالجة جزء من الرسم البياني ويجب أن يدخل في حساب الـ back-prop كـ RandomCrop يُطبق داخل النموذج نفسه.

أو لو تريد أن تتم العملية على الـ GPU مباشرةً، فحينها يجب أن تكون الدوال من مكتبة تورش أو تدعم CUDA.

لكن PyTorch قائمة على مبدأ المرونة، بمعنى لا تهتم بكيفية وصول البيانات بل فقط بالشكل النهائي، فالبيانات الخام من أي مصدر وأي شكل، تستطيع معالجتها بأي مكتبة تريد سواء PIL أو panadas ثم تحويلها إلى تحويل إلى torch.Tensor و التدريب في PyTorch.

القيد الوحيد هو أن ما يدخل إلى الشبكة في النهاية يجب أن يكون torch.Tensor، أما كل ما يسبق ذلك من قراءة الملفات، المعالجة، الـ augmentation، دمج بيانات إضافية وخلافه فتستطيع إنجازه بأي مكتبة في بايثون.

وذلك لأنّ PyTorch مجرد إطار للحوسبة التفاضلية، والـ Autograd يحتاج إلى Tensor لكي يتتبع التدرجات، ولا يهتم بكيفية وصول البيانات إلى الـ Tensor.
وجميع التحويلات خارج الرسم البياني كقراءة الصورة أو قصها لا تحتاج إلى أن تكون عمليات torch أصلاً.