# Référence rapide PyTorch

*Tenseurs, autograd, réseaux de neurones et entraînement*

> Source: PyTorch Documentation (pytorch.org) · MIT

## Tenseurs

### Créer des tenseurs

```
import torch
a = torch.tensor([1, 2, 3])
b = torch.zeros(2, 3)
c = torch.ones(3, 3)
d = torch.randn(2, 4)  # normal dist
```

### Constructeurs de tenseurs

| Command | Description |
|---------|-------------|
| `torch.zeros(m, n)` | Tous zéros, forme (m, n) |
| `torch.ones(m, n)` | Tous uns, forme (m, n) |
| `torch.randn(m, n)` | Normal standard aléatoire |
| `torch.arange(start, end, step)` | Valeurs régulièrement espacées |
| `torch.linspace(start, end, steps)` | Nombre fixe de points |
| `torch.eye(n)` | Matrice identité |
| `torch.empty(m, n)` | Mémoire non initialisée |

### Interopérabilité NumPy

```
t = torch.from_numpy(np_array)
arr = tensor.numpy()  # shares memory
t = torch.as_tensor(np_array)
```

## Autograd

### Suivi des gradients

```
x = torch.tensor([2.0, 3.0],
    requires_grad=True)
y = (x ** 2).sum()
y.backward()
print(x.grad)  # tensor([4., 6.])
```

### Désactiver le suivi des gradients

```
with torch.no_grad():
    pred = model(x)  # inference only
x_det = x.detach()  # detach from graph
```

### Contrôle des gradients

| Command | Description |
|---------|-------------|
| `x.requires_grad_(True)` | Activer le suivi de gradient en place |
| `x.grad.zero_()` | Réinitialiser les gradients accumulés |
| `x.detach()` | Nouveau tenseur sans historique de gradient |
| `x.grad` | Accéder aux gradients stockés |

## Réseaux de neurones

### Définir un modèle

```
import torch.nn as nn
class Net(nn.Module):
    def __init__(self):
        super().__init__()
        self.fc1 = nn.Linear(784, 128)
        self.fc2 = nn.Linear(128, 10)
    def forward(self, x):
        x = torch.relu(self.fc1(x))
        return self.fc2(x)
```

### Modèle séquentiel

```
model = nn.Sequential(
    nn.Linear(784, 256),
    nn.ReLU(),
    nn.Dropout(0.2),
    nn.Linear(256, 10))
```

### Couches courantes

| Command | Description |
|---------|-------------|
| `nn.Linear(in, out)` | Couche entièrement connectée |
| `nn.Conv2d(c_in, c_out, k)` | Convolution 2D, taille de noyau k |
| `nn.BatchNorm2d(n)` | Normalisation par lots |
| `nn.LSTM(in, hidden)` | Couche récurrente LSTM |
| `nn.Dropout(p)` | Dropout avec probabilité p |
| `nn.Embedding(vocab, dim)` | Table de recherche d'embeddings |

## Chargement des données

### Dataset personnalisé

```
from torch.utils.data import Dataset, DataLoader
class MyData(Dataset):
    def __init__(self, X, y):
        self.X, self.y = X, y
    def __len__(self): return len(self.X)
    def __getitem__(self, i):
        return self.X[i], self.y[i]
```

### DataLoader

```
loader = DataLoader(dataset, batch_size=32,
    shuffle=True, num_workers=2)
for batch_x, batch_y in loader:
    output = model(batch_x)
```

### Datasets intégrés

```
from torchvision import datasets, transforms
t = transforms.Compose([
    transforms.ToTensor(),
    transforms.Normalize((0.5,), (0.5,))])
data = datasets.MNIST("data", train=True,
    download=True, transform=t)
```

## Boucle d'entraînement

### Boucle d'entraînement standard

```
model.train()
for epoch in range(num_epochs):
    for X, y in train_loader:
        optimizer.zero_grad()
        loss = criterion(model(X), y)
        loss.backward()
        optimizer.step()
```

### Évaluation

```
model.eval()
with torch.no_grad():
    correct = 0
    for X, y in test_loader:
        pred = model(X).argmax(dim=1)
        correct += (pred == y).sum().item()
```

### Liste de contrôle d'entraînement

| Command | Description |
|---------|-------------|
| `model.train()` | Activer dropout / entraînement batch norm |
| `model.eval()` | Passer en mode inférence |
| `optimizer.zero_grad()` | Effacer les gradients avant rétropropagation |
| `loss.backward()` | Calculer les gradients |
| `optimizer.step()` | Mettre à jour les paramètres |

## Optimiseurs

### Optimiseurs courants

```
import torch.optim as optim
opt = optim.SGD(model.parameters(), lr=0.01,
    momentum=0.9)
opt = optim.Adam(model.parameters(), lr=1e-3)
opt = optim.AdamW(model.parameters(), lr=1e-3,
    weight_decay=0.01)
```

### Planificateur de taux d'apprentissage

```
sched = optim.lr_scheduler.StepLR(
    opt, step_size=10, gamma=0.1)
# in loop: sched.step() after each epoch
```

### Comparaison des optimiseurs

| Command | Description |
|---------|-------------|
| `SGD` | Simple, nécessite réglage, bon avec momentum |
| `Adam` | LR adaptatif, convergence rapide, par défaut |
| `AdamW` | Adam avec décroissance de poids découplée |
| `RMSprop` | Adaptatif, bon pour les RNN |

## Fonctions de perte

### Fonctions de perte courantes

| Command | Description |
|---------|-------------|
| `nn.CrossEntropyLoss()` | Classification (logits, sans softmax) |
| `nn.BCEWithLogitsLoss()` | Classification binaire (logits) |
| `nn.MSELoss()` | Régression (erreur quadratique moyenne) |
| `nn.L1Loss()` | Régression (erreur absolue moyenne) |
| `nn.NLLLoss()` | Log-vraisemblance négative (après log_softmax) |
| `nn.HuberLoss()` | Régression robuste (moins sensible aux valeurs aberrantes) |

### Utilisation

```
criterion = nn.CrossEntropyLoss()
loss = criterion(logits, targets)
# logits: (batch, classes), targets: (batch,)
```

### Perte personnalisée

```
def focal_loss(pred, target, gamma=2.0):
    ce = nn.functional.cross_entropy(
        pred, target, reduction="none")
    pt = torch.exp(-ce)
    return ((1 - pt) ** gamma * ce).mean()
```

## Sauvegarde et chargement

### Sauvegarder / Charger le state dict (recommandé)

```
torch.save(model.state_dict(), "model.pt")
model = Net()
model.load_state_dict(
    torch.load("model.pt", weights_only=True))
```

### Sauvegarder un checkpoint complet

```
torch.save({
    "epoch": epoch,
    "model": model.state_dict(),
    "optimizer": opt.state_dict(),
    "loss": loss}, "checkpoint.pt")
```

### Charger un checkpoint

```
ckpt = torch.load("checkpoint.pt",
    weights_only=False)
model.load_state_dict(ckpt["model"])
opt.load_state_dict(ckpt["optimizer"])
```

## GPU

### Gestion des appareils

```
device = torch.device(
    "cuda" if torch.cuda.is_available()
    else "cpu")
model = model.to(device)
x = x.to(device)
```

### Utilitaires GPU

| Command | Description |
|---------|-------------|
| `torch.cuda.is_available()` | Vérifier si CUDA est disponible |
| `torch.cuda.device_count()` | Nombre de GPU |
| `torch.cuda.memory_allocated()` | Utilisation mémoire GPU actuelle (octets) |
| `torch.cuda.empty_cache()` | Libérer la mémoire cache inutilisée |

### Multi-GPU

```
if torch.cuda.device_count() > 1:
    model = nn.DataParallel(model)
model = model.to(device)
```

## Motifs courants

### Initialisation des poids

```
def init_weights(m):
    if isinstance(m, nn.Linear):
        nn.init.xavier_uniform_(m.weight)
        m.bias.data.fill_(0.01)
model.apply(init_weights)
```

### Écrêtage du gradient

```
torch.nn.utils.clip_grad_norm_(
    model.parameters(), max_norm=1.0)
```

### Geler des couches

```
for param in model.fc1.parameters():
    param.requires_grad = False
```

### Résumé du modèle

```
total = sum(p.numel()
    for p in model.parameters())
trainable = sum(p.numel()
    for p in model.parameters()
    if p.requires_grad)
```