homeadaptive_computation

View code on Github

#

සමානාත්මතාකාර්යය

මෙයකඩදාසි වලින් Parity Task සඳහා දත්ත නිර්මාණය කරයි අනුවර්තී ගණනය කිරීමේ කාලය පුනරාවර්තන ස්නායුක ජාල සඳහා.

සමානාත්මතාකර්තව්යයේ ආදානය යනු 01−1ගේ හා සමඟ දෛශිකයකි. ප්රතිදානය යනු 1සමානාත්මතාවයයි - එහි නම් එක් යනු ඔත්තේ සංඛ්යාවක් වන 1අතර වෙනත් ආකාරයකින් ශුන්ය වේ. ආදානය ජනනය කරනු ලබන්නේ දෛශිකයේ අහඹු මූලද්රව්ය සංඛ්යාවක් 1 හෝ −1ය.

19fromtypingimportTuple2021importtorch22fromtorch.utils.dataimportDataset

#

සමානාත්මතාදත්ත කට්ටලය

25classParityDataset(Dataset):

#

• n_samples සාම්පල සංඛ්යාව වේ
• n_elems ආදාන දෛශිකයේ මූලද්රව්ය ගණන

30def\_\_init\_\_(self,n\_samples:int,n\_elems:int=64):

#

35self.n\_samples=n\_samples36self.n\_elems=n\_elems

#

දත්තසමුදාය ප්රමාණය

38def\_\_len\_\_(self):

#

42returnself.n\_samples

#

නියැදියක්ජනනය කරන්න

44def\_\_getitem\_\_(self,idx:int)-\>Tuple[torch.Tensor,torch.Tensor]:

#

හිස්දෛශික

50x=torch.zeros((self.n\_elems,))

#

ශුන්යනොවන මූලද්රව්ය සංඛ්යාව - අතර අහඹු සංඛ්යාවක් 1 සහ සම්පූර්ණ මූලද්රව්ය සංඛ්යාව

52n\_non\_zero=torch.randint(1,self.n\_elems+1,(1,)).item()

#

1ගේ සහ −1ගේ සමග ශුන්ය නොවන අංග පුරවන්න

54x[:n\_non\_zero]=torch.randint(0,2,(n\_non\_zero,))\*2-1

#

අහඹුලෙස මූලද්රව්ය විකෘති කරන්න

56x=x[torch.randperm(self.n\_elems)]

#

සමානාත්මතාවය

59y=(x==1.).sum()%2

#

62returnx,y

Trending Research Paperslabml.ai