Wie Sie mit PyTorch ein neuronales Netz trainieren

Nur 100 Zeilen Python-Code definieren ein neuronales Netz, das selbstständig aus Daten lernt. Das KI-Framework PyTorch ist die ideale Basis für eigene Versuche.

Artikel verschenken
In Pocket speichern vorlesen Druckansicht
KI Midjourney  Collage c‘t

(Bild: KI Midjourney | Collage c‘t)

Lesezeit: 17 Min.
Von
  • Pina Merkert
Inhaltsverzeichnis

Lernfähigkeit ist der Schlüssel zu menschlicher Intelligenz. "Lernen" bezeichnet die Fähigkeit, aus Erfahrungen ein optimiertes Verhalten abzuleiten. Stecken die Erfahrungen in einem Datensatz, lässt sich diese Fähigkeit auch technisch bauen und funktioniert dann erstaunlich gut. Die Grundidee ist, dass sich Statistiken über Zusammenhänge, die in Daten enthalten sind, auch vollautomatisch berechnen lassen und dass ein darauf aufbauendes System gute Entscheidungen fällen kann.

Programmieren mit KI
KI-Kompendium: Der Weg zu moderner KI

Um ein neuronales Netz für eine bestimmte Aufgabe zu trainieren, muss zuerst ein Datensatz her, aus dem das Netz lernen kann, was herauskommen soll. Danach legen Sie den Aufbau des Netzes fest. Hier steht "Sie", weil Sie mit diesem Artikel selbst den gesamten, überraschend kurzen Python-Code programmieren können, der ein neuronales Netz mit Tausenden Parametern trainiert. Als Datensatz nutzt das hier vorgestellte Beispiel 60.000 handgeschriebene Ziffern zum Training und 10.000 weitere zum Testen. Die Ziffern hat das amerikanische Normungsgremium NIST digitalisiert. Dieser öffentlich verfügbare MNIST-Datensatz hat sich als Einsteiger-Beispiel beim KI-Training bewährt.

Empfohlener redaktioneller Inhalt

Mit Ihrer Zustimmmung wird hier ein externes YouTube-Video (Google Ireland Limited) geladen.

Ich bin damit einverstanden, dass mir externe Inhalte angezeigt werden. Damit können personenbezogene Daten an Drittplattformen (Google Ireland Limited) übermittelt werden. Mehr dazu in unserer Datenschutzerklärung.

Neben den Daten und dem programmierten Netz müssen Sie schließlich noch den Algorithmus festlegen, der nach Parametern sucht, die das Problem lösen. Den Algorithmus wendet das Programm dann immer und immer wieder an, um die Parameter des Netzes in kleinen Schritten zu verfeinern. Alle komplexen Berechnungen übernimmt das Python-KI-Framework PyTorch (Installation).