06. PyTorch

PyTorch permite construir modelos com tensores e diferenciação automática, oferecendo controle explícito do treino. Esse controle exige separar cálculo de gradientes, atualização dos pesos e modos de avaliação. O capítulo também relaciona os conceitos equivalentes encontrados na base sobre Keras e TensorFlow.

Com o fluxo analítico completo em mente, estudamos linguagens, bibliotecas, motores distribuídos e produtos corporativos. O objetivo é compreender o papel de cada ferramenta dentro de uma arquitetura. Este é o capítulo 6 de 19 da disciplina Plataformas e Ferramentas Analíticas. Ele retoma Plataforma SAS, linguagem SAS e processamento de dados e utiliza essa base para avançar. Na sequência, estudaremos TensorFlow e Keras.

O fio condutor

Ciência de Dados começa com uma pergunta e termina com uma decisão que precisa ser compreendida, avaliada e acompanhada. Entre esses dois pontos, dados são coletados, examinados e transformados; métodos são escolhidos; resultados são validados; e limitações são comunicadas. Nenhuma etapa compensa automaticamente uma falha grave ocorrida na etapa anterior.

Neste capítulo, use PyTorch para acompanhar três dimensões: o problema que se deseja resolver, a evidência disponível e o critério usado para avaliar o resultado. Essa separação ajuda a evitar soluções tecnicamente sofisticadas que não respondem à necessidade real.

Tensores, módulos e dados

Começamos por Tensores, módulos e dados, pois essa base organiza os conceitos e exemplos que aparecerão no restante do capítulo.

Tensor é um array multidimensional tipado: escalar tem rank zero, vetor rank um e matriz rank dois. Forma, tipo e dispositivo participam da validade de cada operação. Mover o modelo para GPU não move automaticamente todo tensor criado depois; entradas, alvos e parâmetros precisam estar em dispositivos e tipos compatíveis.

nn.Module registra parâmetros e submódulos e define a transformação em forward. Esse registro permite otimização, state_dict e transferência de dispositivo. Dataset organiza acesso aos exemplos; DataLoader forma lotes, embaralha e carrega dados conforme configuração. Modelo e pipeline de dados são responsabilidades separadas: um carregamento lento pode limitar uma GPU potente.

Autograd e atualização

Depois de compreender Tensores, módulos e dados, passamos a Autograd e atualização. A nova seção acrescenta outra etapa ao mesmo raciocínio e mostra como as decisões anteriores influenciam as próximas.

Autograd registra operações diferenciáveis envolvendo tensores que requerem gradientes e aplica a regra da cadeia. A perda deve permanecer conectada ao cálculo dos parâmetros: detach, conversões para NumPy ou reconstrução indevida de tensores podem interromper essa conexão. Operações in-place podem sobrescrever valores necessários ao backward e causar erro ou impedir o cálculo esperado.

Um passo usual zera gradientes, calcula previsão e perda, executa backward e atualiza pelo otimizador. Gradientes acumulam por padrão: não zerar é correto apenas quando a acumulação é intencional e a escala é controlada. Guardar tensores de perda ligados ao grafo em listas pode reter memória; para logging escalar, use loss.item() quando apropriado. Loops customizados permitem múltiplas perdas e otimizadores, mas exigem controlar esses detalhes.