Pytorch - Introducción

[@LearningWorldChatGPT]

Qué introducción maravillosa a Pytorch!!! ... Yo continuo aprendiendo y reforzando mis conocimiento con tus videos. Muchas gracias SENSIO

[@davidsy8270]

Muy admirable!! Gracias por compartir tus conocimientos!!

[@inesbadia2934]

Explicas súper bien!! Muchas gracias por tus tuturiales!

[@PUCH84]

15:26 el código corregido para que no falle a la hora de mostrar los números a día de hoy: simplemente cambiar que es "X.loc[ix]" para acceder correctamente al indice de ese dataframe y que "img.values.reshape(28,28)" por cuestión funciones deprecadas de pandas, código completo: %matplotlib inline import matplotlib as mpl import matplotlib.pyplot as plt import random r, c = 3, 5 fig = plt.figure(figsize=(2*c, 2*r)) for _r in range(r): for _c in range(c): plt.subplot(r, c, _r*c + _c + 1) ix = random.randint(0, len(X)-1) img = X.loc[ix] plt.imshow(img.values.reshape(28,28), cmap='gray') plt.axis("off") plt.title(Y[ix]) plt.tight_layout() plt.show()

[@PUCH84]

De igual manera en el 16:45 para forzar np.array en vez de dataframe X_t = torch.from_numpy(np.array(X_train)).float().cuda() Y_t = torch.from_numpy(np.array(y_train)).long().cuda()

[@PUCH84]

En el paso final para evaluar el modelo y ver que tal se comporta el modelo con los ejemplos de test aparte de lo comentado arriba del X.loc y el values.reshape es necesario revisar como se crea el ix: ix = random.randint(0, len(X_test)-1) esto dará indices empezando de cero pero por como se dividió el X_test en este caso concreto empieza en 60000. Así que bien se resetea indices de ese dataframe o bien se le añade +60000 a esa linea: ix = random.randint(0, len(X_test)-1)+60000

[@luisr102]

Claridad al máximo si señor. Y suscrito!

[@santiagoghione9177]

Excelente video. Te llamare Dios Peluca a partir de ahora :)

[@akkaoaanskakla836]

Recién descubro este canal, estaba perdido con pytorch pero este vídeo me da un camino a seguir. Gran vídeo

[@ocho1330]

Por favor nunca dejes de subir videos! Sos un grande!

[@pedrogallego1673]

Muy buen video, explicas cosas que ya sabía y aún así me he quedado a verlo, dice mucho. Enhorabuena

[@facundolopez5750]

Me salvaste! Se ma hacia imposible entender lo del autograd y lo explicaste excelente!

[@enriquevillarrubia6208]

Muy bien explicado, mis felicitaciones. 👏

[@orlandoguzman1658]

Eres como esos chicos hindú que explican el desarrollo de códigos pero en español y en excelente calidad. Me encanta. Sigue así bro

[@phyroxdimebag3862]

excelente video tio, estoy estudiando del libro Dive Into DL y es muy bueno pero hay detalles como los que explicas en el video (como funciona el grafo internamente paso a paso) que mejora el entendimiento para después programar una CNN por ejemplo.

[@HoyosJuan]

Explicaciones como la que diste del por qué se utilizan las GPU en entrenamiento de redes neuronales es lo que hacen únicos canales como el tuyo. Muchos se limitan a decir cómo hacer las cosas y no el trasfondo de ellas, que también es muy importante. Felicitaciones!

[@brunodigiorgio1127]

¡Increíble la calidad de tus videos bro, me suscribo y comparto!

[@cristiangofiar3320]

Gracias por trabajo, excelente!

[@germantuto6637]

Que grande eres, gracias por todos tus videos!!

[@capablancastyle]

Felicitaciones y un aporte, en el indexado de columnas x[:, 0], es la forma correcta de llamar una columna de un tensor, saludos.

[@antonioy.2782]

Hola! Muchas gracias por el material que nos brindas, está muy interesante. Yo estoy haciendo mi anteproyecto de título, el que trata de un algoritmo que contabilice y clasifique los vehículos en un video. Para eso me pidieron que forme mi propio dataset (rescatando de otros datasets existentes lo que necesite, ya que se requiere que sean vehículos representativos de mi país, Chile). Tengo un enredo mental con qué librerías utilizar, estoy recién comenzando con esto. No sé si usaré tensorflow, pytorch, yolo, opencv, etc. La idea es que sea un código acorde a proyecto de título, ya que supongo no debo usar un modelo pre-entrenado. Qué camino me recomiendas seguir y qué librerías me aconsejas utilizar. Te agradecería mucho me ayudaras. Saludos!!

[@luisjaimeestudioytrabajo7577]

Muy bueno, muchas gracías

[@LaloHao]

Usualmente evito ver videos en español pero esta muy bien explicado, gracias

[@josebarbozagonzales6460]

buena intro

[@neoBiteWave123]

dices que varias cositas ya se vio en videos anteriores, cuales??? yo no los e visto es nuevo todo esto para mi :(((((

[@mdc8223]

oye, despacio, cerebrito! x"D

[@pablomendez3768]

Muy bueno el video, pero debes bajarle dos a la velociad, vas muy rapido

[@elvisleon9695]

Mm, que ventajas tiene respecto a Keras?

[@juansensio]

Keras es una librería de alto nivel, escrita por encima de Tensorflow, para hacer un poco más fácil el diseño y entrenamiento de redes neuronales. Pytorch sería un equivalente a Tensorflow, y un equivalente a Keras para Pytorch sería, por ejemplo, Pytorch Lightning (salvando las distancias).

[@maiarUser]

Tienes cursos en Udemy o Degreed?

[@juansensio]

No😅

[@jorgemh4481]

Da un error al ejecutar %matplotlib inline import matplotlib as mpl import matplotlib.pyplot as plt import random r, c = 3, 5 fig = plt.figure(figsize=(2*c, 2*r)) for _r in range(r): for _c in range(c): plt.subplot(r, c, _r*c + _c + 1) ix = random.randint(0, len(X)-1) img = X[ix] plt.imshow(img.reshape(28,28), cmap='gray') plt.axis("off") plt.title(Y[ix]) plt.tight_layout() plt.show() -------------------------------------------------------------------------------------------------- Se ve que actualizan las librerias y el codigo empieza a fallar, es una pena por que ya te quedas atascado y no puedes avanzar, pero muy bien la teoría Sensio. ------------------------------------------------------------------------------------------------------- KeyError Traceback (most recent call last) /usr/local/lib/python3.7/dist-packages/pandas/core/indexes/base.py in get_loc(self, key, method, tolerance) 3360 try: -> 3361 return self._engine.get_loc(casted_key) 3362 except KeyError as err: