الموترات والاشتقاق التلقائي
فهم كيف يحسب PyTorch المشتقات تلقائياً.
الهدف: كتابة نموذج Keras مرة واحدة وتشغيله على خلفية مختلفة.
import os
os.environ["KERAS_BACKEND"] = "torch"
import numpy as np, keras
keras.utils.set_random_seed(0)
X = np.random.rand(500, 4).astype("float32"); y = (X.sum(1) > 2).astype("int32")
model = keras.Sequential([keras.Input((4,)), keras.layers.Dense(16, activation="relu"),
keras.layers.Dense(2, activation="softmax")])
model.compile(optimizer="adam", loss="sparse_categorical_crossentropy", metrics=["accuracy"])
model.fit(X[:400], y[:400], epochs=30, batch_size=32, verbose=0)
loss, acc = model.evaluate(X[400:], y[400:], verbose=0)
print("الخلفية:", keras.backend.backend())
print(f"دقة الاختبار: {acc:.3f}")
يدعم Keras 3 خلفيات TensorFlow وJAX وPyTorch. نحدد الخلفية بمتغير البيئة KERAS_BACKEND قبل الاستيراد. الواجهة compile ثم fit ثم evaluate كما هي.
الخلفية: torch دقة الاختبار: 0.920
نُفّذ هذا المثال فعلياً واختُبر بتاريخ 21 نوفمبر 2026 على CPU — keras 3.15.1, torch 2.15.0, python 3.13.18
فهم كيف يحسب PyTorch المشتقات تلقائياً.
كتابة حلقة التدريب والتقييم يدوياً على بيانات مصطنعة.
تركيب تحويلات الدوال: الاشتقاق والتوجيه والترجمة.
الأقسام
لا يوجد قسم بهذا الاسم. اضغط «بحث» للبحث في محتوى الموقع كله.
المفضلة
نتائجي وشهاداتي
تقدّمي في الأكاديميةنتائج اختباراتيتقدّم الأطفالشهادات الأكاديميةشهادات الاختباراتابدأ أي درس أو اختبار وسيظهر هنا لتعود إليه بسرعة.
الإعدادات
أنا المساعد الذكي لأطر ومكتبات الذكاء الاصطناعي. صف مشروعك أو اسألني عن مكتبة أو مقارنة أو مثال برمجي، وسأجيبك من قاعدة بيانات الموسوعة مع الروابط والمصادر.
يجيب من قاعدة بيانات الموسوعة فقط، دون نموذج لغوي ودون إرسال سؤالك إلى أي جهة خارجية.
قد يخطئ المساعد أحياناً، فراجع المصادر المرفقة.