ノートブックで PyTorch を使用するにはどうすればよいですか?
Dec 15, 2025
ご伝言
PyTorch は、動的な計算グラフと使いやすさにより研究者や開発者に支持されている、主要なオープンソース機械学習ライブラリとして浮上しました。ノートブックのサプライヤーとして、私はノートブックを使用して PyTorch を実験したいという顧客からの需要が増加しているのを見てきました。このブログでは、物理環境かどうかにかかわらず、ノートブック環境で PyTorch を使用するプロセスを説明します。A6 レザージャーナルアイデアを書き留めたり、実際のコーディングには Jupyter Notebook などのデジタル ノートブックを使用したりできます。
PyTorch にノートブックを使用する理由
PyTorch を使用する場合、ノートブックには独自の利点があります。これらは、コードを小さく管理しやすい単位で作成、実行、変更できる対話型環境を提供します。テキストの説明、視覚化、マークダウン セルを追加して、思考プロセスを文書化することもできます。このため、ノートブックはプロトタイプの作成、データの探索、他のユーザーとの作業の共有に最適なツールになります。
環境のセットアップ
ノートブックで PyTorch の使用を開始する前に、環境をセットアップする必要があります。手順は次のとおりです。
1.Pythonをインストールする
PyTorch は Python ライブラリであるため、システムに Python がインストールされている必要があります。最新バージョンの Python は、Python の公式 Web サイト (python.org) からダウンロードできます。 Python 3.6 以降を使用することをお勧めします。
2.PyTorchをインストールする
PyTorch をインストールするにはいくつかの方法があります。最も簡単な方法は、PyTorch Web サイト (pytorch.org) にある公式の PyTorch インストール コマンドを使用することです。このコマンドは、オペレーティング システム、CUDA バージョン (GPU アクセラレーションを使用する場合)、および使用するパッケージ マネージャー (pip または conda) によって異なります。
たとえば、CPU のみのシステムで pip を使用している場合は、次のコマンドを使用できます。
pip インストール トーチ torchvision
3. ノートブック環境をインストールする
利用可能なノートブック環境はいくつかありますが、Jupyter Notebook が最も人気があります。 pip を使用して Jupyter Notebook をインストールできます。
pip インストール ジュピター
インストールしたら、ターミナルで次のコマンドを実行して Jupyter Notebook を起動できます。
ジュピターノート
これにより、Jupyter Notebook ダッシュボードが表示された新しいブラウザー ウィンドウが開き、ノートブックを作成および管理できます。
ノートブックで PyTorch を使い始める
環境がセットアップされたので、ノートブックで PyTorch の使用を開始しましょう。
1.PyTorchのインポート
PyTorch プロジェクトの最初のステップは、ライブラリをインポートすることです。 Jupyter Notebook セルでは、次のようにこれを行うことができます。
輸入トーチ
他の便利なライブラリをインポートすることもできます。トーチビジョンコンピュータービジョンタスクの場合:
torchvision をインポート torchvision.transforms を変換としてインポートします
2. テンソルの操作
テンソルは、PyTorch の基本的なデータ構造です。これらは NumPy 配列に似ていますが、GPU で使用すると計算が高速になります。次のように PyTorch でテンソルを作成できます。
# 2x3 テンソルを作成します x = torch.tensor([[1, 2, 3], [4, 5, 6]]) print(x)
加算、乗算、再形成など、テンソルに対してさまざまな操作を実行できます。例えば:
# 2 つのテンソルを追加します y = torch.tensor([[7, 8, 9], [10, 11, 12]]) z = x + y print(z)
3. 単純なニューラル ネットワークの構築
PyTorch の最も一般的な使用例の 1 つは、ニューラル ネットワークの構築です。 MNIST データセットを使用して手書き数字を分類するニューラル ネットワークの簡単な例を次に示します。
import torch.nn as nn import torch.nn.function as F # 単純なニューラル ネットワーク クラスを定義します Net(nn.Module): def __init__(self): super(Net, self).__init__() self.fc1 = nn.Linear(784, 128) self.fc2 = nn.Linear(128, 10) def forward(self, x): x = x.view(-1, 784) x = F.relu(self.fc1(x)) x = self.fc2(x) return x net = Net() # MNIST データセットをロードしますtransform =transforms.Compose([transforms.ToTensor(),transforms.Normalize((0.5,), (0.5,))]) trainset = torchvision.datasets.MNIST(root='./data'、train=True、download=True、transform=transform) trainloader = torch.utils.data.DataLoader(trainset、batch_size=64、shuffle=True) # 損失関数とオプティマイザ基準を定義します = nn.CrossEntropyLoss() optimizer = torch.optim.SGD(net.parameters(), lr=0.001、momentum=0.9) # range(2) でエポックのネットワークをトレーニングします: running_loss = 0.0 for i, data in enumerate(trainloader, 0): inputs,labels = data optimizer.zero_grad() Outputs = net(inputs) loss = criterion(outputs,labels) loss.backward() optimizer.step() running_loss += loss.item() if i % 200 == 199: print(f'[{epoch + 1}, {i + 1:5d}] loss: {running_loss / 200:.3f}') running_loss = 0.0 print('終了したトレーニング')
ドキュメントと実験にノートブックを使用する
ノートブックのサプライヤーとして、私はノートブックをコーディングだけでなく文書化や実験にも使用することの重要性を理解しています。 Jupyter Notebook のマークダウン セルを使用して、コードの詳細な説明を記述し、実験を文書化し、結果を共有できます。
たとえば、構築したニューラル ネットワークの目的を説明するマークダウン セルを作成できます。
### ニューラル ネットワークの説明 私たちが構築したニューラル ネットワークは、完全に接続された 2 つの層を持つ単純なフィードフォワード ネットワークです。最初の層は、サイズ 784 の入力 (28x28 の手書き数字の平坦化されたイメージ) を受け取り、それを 128 の隠れユニットにマップします。 2 番目の層は、128 個の隠れ単位を、10 桁のクラス (0 ~ 9) に対応する 10 個の出力単位にマッピングします。最初の層で ReLU 活性化関数を使用して非線形性を導入し、出力層では `CrossEntropyLoss` 関数を通じて暗黙的にソフトマックス関数を使用します。
ノートブックを使用して、学習率、バッチ サイズ、隠しユニットの数などのさまざまなハイパーパラメーターを実験することもできます。実験をノートブックに記録すると、結果を簡単に比較して最適な構成を選択できます。
当社のノートブック製品
ノートブックのサプライヤーとして、当社は PyTorch 開発に使用できる幅広いノートブックを提供しています。必要かどうかハードカバー付きスパイラルノートコーディングセッション中にメモを取るため、または透明付箋重要なコード スニペットにマークを付ける場合は、私たちがサポートします。


当社のノートブックは高品質の素材で作られており、専門家と学生の両方のニーズを満たすように設計されています。さまざまなサイズ、色、スタイルがあるので、好みに合ったものをお選びいただけます。
調達に関するお問い合わせ
PyTorch プロジェクトやその他のオフィスのニーズのためにノートブックの購入に興味がある場合は、ぜひご連絡ください。調達についての話し合いを開始し、お客様の要件に最適なノートブック ソリューションを見つけるには、お問い合わせください。
参考文献
- PyTorch 公式ドキュメント (pytorch.org/docs)
- Jupyter Notebook 公式ドキュメント (jupyter.org/documentation)
- I グッドフェロー、Y ベンジオ、A クールヴィル (2016)。ディープラーニング。 MITプレス。
