Версия Python

!python -V

Python 3.12.6

Импорт необходимых библиотек

# Подавление предупреждений
import warnings
for warn in [UserWarning, FutureWarning]: warnings.filterwarnings("ignore", category = warn)

import os
import numpy as np
import torch
import torch.nn as nn
import pandas as pd
import jupyterlab as jlab

Версии необходимых библиотек

packages = [
    "Torch", "NumPy", "Pandas", "JupyterLab",
]

package_objects = [
    torch, np, pd, jlab
]

versions = list(map(lambda obj: obj.__version__, package_objects))

pkgs = {"Библиотека": packages, "Версия": versions}
df_pkgs = pd.DataFrame(data = pkgs)
df_pkgs.index.name = "№"
df_pkgs.index += 1

display(df_pkgs)

path_to_reqs = "."
reqs_name = "requirements.txt"

def get_packages_and_versions():
    """Генерация строк с библиотеками и их версиями в формате: библиотека==версия"""
    
    for package, version in zip(packages, versions):
        yield f"{package.lower()}=={version}\n"

with open(os.path.join(path_to_reqs, reqs_name), "w", encoding = "utf-8") as f:
    f.writelines(get_packages_and_versions())

	Библиотека	Версия
№
1	Torch	2.2.2
2	NumPy	1.26.4
3	Pandas	2.2.3
4	JupyterLab	4.2.5

Пример полносвязного (Dense) слоя

# Определение размера входного и выходного слоев
input_size = 10
output_size = 5

# Генерация случайного тензора
input = torch.randn(2, input_size)

# Создание dense слоя (fully connected)
dense = nn.Linear(in_features = input_size, out_features = output_size, bias = True)

# Применение dense слоя к входным данным
output = dense(input)

# Вывод результирующего тензора после прохождения через dense слой
print("Результирующий тензор после прохождения через dense слой:")
print(output)

# Вывод размера результирующего тензора
print("Размер результирующего тензора:")
print(output.size())

Результирующий тензор после прохождения через dense слой:
tensor([[-0.2915, -0.7560,  0.1498,  1.0017, -0.7619],
        [-0.3869,  0.6909,  0.1903, -0.3403, -0.2575]],
       grad_fn=<AddmmBackward0>)
Размер результирующего тензора:
torch.Size([2, 5])