Swipe um das Menü anzuzeigen

Anwendungen von Tensoren

Tensoren, mit ihrer mehrdimensionalen Struktur, finden in einer Vielzahl von Datenaufgaben Anwendung. Ihre Struktur und Form sind entscheidend dafür, wie sie Daten in unterschiedlichen Szenarien darstellen und verarbeiten. Im Folgenden einige Beispiele:

Tabellendaten: Häufig in 2D-Tensoren dargestellt, ähneln Tabellendaten Matrizen. Jede Zeile kann einen Datensatz repräsentieren, jede Spalte ein Merkmal oder Attribut der Daten. Beispielsweise würde ein Datensatz mit 1000 Einträgen und 10 Merkmalen in einem Tensor der Form (1000, 10) abgebildet werden;

Textsequenzen: Sequenzen wie Zeitreihen oder Textdaten werden typischerweise auf 2D-Tensoren abgebildet. Eine Dimension bildet die Zeit oder Länge ab, während die andere die Merkmale zu jedem Zeitpunkt darstellt. Ein Text mit 200 Wörtern, verarbeitet mit Embeddings der Größe 50, würde in einen Tensor der Form (200, 50) übersetzt werden;

Hinweis

Einbettungen in der Textverarbeitung sind eine Methode, um Wörter in numerische Vektoren umzuwandeln, sodass Wörter mit ähnlicher Bedeutung ähnliche Vektorwerte erhalten. Dies ermöglicht es Computern, Textdaten besser zu verstehen und mit ihnen zu arbeiten, indem semantische Beziehungen zwischen Wörtern erfasst werden. In diesem Beispiel wird jedes Wort in einen Vektor der Länge 50 umgewandelt, was bedeutet, dass jedes Wort durch 50 Fließkommazahlen dargestellt wird.

Numerische Sequenzen: In Szenarien wie der Überwachung mehrerer Systemparameter über die Zeit können 2D-Tensoren eingesetzt werden. Betrachten Sie ein Steuersystem, bei dem das Verhalten von 5 verschiedenen Parametern (z. B. Temperatur, Druck, Luftfeuchtigkeit, Spannung und Strom) über einen Zeitraum von 10 Stunden beobachtet wird. Jeder Parameter hat 40 Messwerte, die jede Stunde aufgezeichnet werden. Über 10 Stunden ergibt sich daraus eine Tensorform von (400, 5). In diesem Format verfolgt die erste Dimension sequenziell die Zeitachse (mit 40 Messwerten für jede der 10 Stunden, insgesamt also 400), während die zweite Dimension die Daten für jeden der 5 Parameter bei jedem Messpunkt angibt;

Bildverarbeitung: Bilder werden überwiegend als 3D-Tensoren dargestellt. Die Höhe und Breite des Bildes bilden die ersten beiden Dimensionen, während die Tiefe (Farbkanäle wie RGB) die dritte Dimension darstellt. Ein Farbbild mit 256x256 Pixeln hätte die Tensorform (256, 256, 3);

Hinweis

Die letzte Dimension hat die Länge 3, da jeder Pixel in der RGB-Farbpalette durch drei verschiedene Werte dargestellt wird, die den Farbkanälen Rot, Grün und Blau entsprechen.

Videobearbeitung: Videos, als Abfolgen von Bildern, werden mit 4D-Tensoren dargestellt. Jedes Einzelbild entspricht einem Bild. Ein 60-Sekunden-Video, aufgenommen mit 1 Bild pro Sekunde, wobei jedes Bild ein farbiges 256x256-Bild ist, wird als Tensor mit der Form (60, 256, 256, 3) repräsentiert.

Hinweis

Für ein Video mit 30 Bildern pro Sekunde ergibt sich eine Gesamtanzahl von 30 * number of seconds Einzelbildern. Bei 60 Sekunden sind das also 30 Bilder/Sekunde multipliziert mit 60 Sekunden, was 1800 Bilder ergibt. Dies führt zu einer Tensorform von (1800, 256, 256, 3).

Das Verständnis dieser Formen und der dahinterstehenden Logik ist grundlegend. Durch die Sicherstellung der korrekten Tensor-Dimensionen wird die Datenstruktur passend ausgerichtet und die Basis für effektives Modelltraining und Inferenz geschaffen.

1. Es gibt eine Tabelle mit Patientendaten von 500 Patienten. Jeder Datensatz enthält 8 Merkmale wie Alter, Blutgruppe, Größe und Gewicht. Wie lautet die Tensorform, die diese Daten repräsentiert?

2. Ein Roman wird Wort für Wort verarbeitet und besteht insgesamt aus 1000 Wörtern. Wenn jedes Wort durch Einbettungen der Größe 20 dargestellt wird, welche Tensorform beschreibt diese Daten?

3. Ein Umweltüberwachungssystem erfasst Daten von 4 verschiedenen Messgrößen (wie CO2-Gehalt, Temperatur, Luftfeuchtigkeit und Luftdruck) über 12 Stunden. Wenn jede Stunde 30 Datenpunkte für jede Messgröße enthält, wie lautet die Tensorform?

4. Für ein Machine-Learning-Projekt steht ein Datensatz mit 200 Graustufenbildern zur Verfügung. Jedes Bild hat `128x128` Pixel. Graustufenbilder haben nur 1 Kanal. Wie lautet die Tensorform, die diese Daten beschreibt?

War alles klar?

Danke für Ihr Feedback!

Abschnitt 1. Kapitel 4

Fragen Sie AI

Fragen Sie alles oder probieren Sie eine der vorgeschlagenen Fragen, um unser Gespräch zu beginnen

Abschnitt 1. Kapitel 4

Anwendungen von Tensoren

Anwendungen von Tensoren

1. Es gibt eine Tabelle mit Patientendaten von 500 Patienten. Jeder Datensatz enthält 8 Merkmale wie Alter, Blutgruppe, Größe und Gewicht. Wie lautet die Tensorform, die diese Daten repräsentiert?

2. Ein Roman wird Wort für Wort verarbeitet und besteht insgesamt aus 1000 Wörtern. Wenn jedes Wort durch Einbettungen der Größe 20 dargestellt wird, welche Tensorform beschreibt diese Daten?

3. Ein Umweltüberwachungssystem erfasst Daten von 4 verschiedenen Messgrößen (wie CO2-Gehalt, Temperatur, Luftfeuchtigkeit und Luftdruck) über 12 Stunden. Wenn jede Stunde 30 Datenpunkte für jede Messgröße enthält, wie lautet die Tensorform?

4. Für ein Machine-Learning-Projekt steht ein Datensatz mit 200 Graustufenbildern zur Verfügung. Jedes Bild hat 128x128 Pixel. Graustufenbilder haben nur 1 Kanal. Wie lautet die Tensorform, die diese Daten beschreibt?

4. Für ein Machine-Learning-Projekt steht ein Datensatz mit 200 Graustufenbildern zur Verfügung. Jedes Bild hat `128x128` Pixel. Graustufenbilder haben nur 1 Kanal. Wie lautet die Tensorform, die diese Daten beschreibt?