Oppiskele Tensorin Luontitoiminnot

Samoin kuin NumPy, myös PyTorch tarjoaa useita sisäänrakennettuja funktioita tensorien luomiseen suoraan. Näiden funktioiden avulla voidaan alustaa tietovarauksia ja luoda rakenteellisia tai mukautettuja tensoreita.

Nolla- ja ykköstensorit

Tensorin, joka on täytetty nollilla, voi luoda funktiolla torch.zeros(). Parametrit määrittävät jokaisen ulottuvuuden koon, ja parametrien määrä vastaa ulottuvuuksien määrää:


              123
            
import torch 
tensor = torch.zeros(4, 2)
print(tensor)

Tämä on hyödyllistä bias-termejä alustettaessa tai paikkamerkkeinä, joissa alkuarvot asetetaan nollaksi. Vastaavasti torch.ones()-funktiolla voidaan luoda tensori, joka on täytetty ykkösillä:


              123
            
import torch
tensor = torch.ones(3, 3)
print(tensor)

Tämä on erityisen hyödyllistä painojen alustuksessa, bias-termeissä tai operaatioissa, joissa ykkösistä koostuva tensori toimii neutraalina alkiona tai tiettynä kertoimena matemaattisissa laskutoimituksissa.

Arange ja Linspace

Samoin kuin numpy.arange(), torch.arange() tuottaa arvojoukon määritellyllä askelvälillä:


              123
            
import torch
tensor = torch.arange(0, 10, step=2)
print(tensor)

Tensor on onnistuneesti luotu arvoilla 0–10 ilman kymppiä ja askelväli on 2. Jos halutaan luoda tasavälisiä arvoja annetun alku- ja loppuarvon välille, käytetään torch.linspace():


              123
            
import torch
tensor = torch.linspace(0, 1, steps=5)
print(tensor)

Tämä luo tensorin, jossa on 5 tasavälein sijoitettua arvoa välillä 0 ja 1 mukaan lukien.

Tensori muodosta

Voit luoda tensoreita tietyllä muodolla käyttämällä luontifunktioiden "like"-variantteja. Nämä luovat tensoreita, joilla on sama muoto kuin olemassa olevalla tensorilla:


              123456
            
import torch
x = torch.tensor([[1, 2, 3], [4, 5, 6]])
zeros_tensor = torch.zeros_like(x)
ones_tensor = torch.ones_like(x)
print(f"Tensor of zeros: {zeros_tensor}")
print(f"Tensor of ones: {ones_tensor}")

Oliko kaikki selvää?

Kiitos palautteestasi!

Osio 1. Luku 3

Kysy tekoälyä

Kysy mitä tahansa tai kokeile jotakin ehdotetuista kysymyksistä aloittaaksesi keskustelumme

Suggested prompts:

Can you explain the difference between torch.arange() and torch.linspace()?

What are some common use cases for torch.zeros_like() and torch.ones_like()?

How do I specify the data type when creating tensors with these functions?

Pyyhkäise näyttääksesi valikon