Johdanto Tensoreihin
Mikä on tensori?
Tensori on yleistetty matemaattinen objekti, joka voi esittää dataa yhdessä tai useammassa ulottuvuudessa. Tensoria voi ajatella moniulotteisena taulukkona.
Olet jo ennestään tuttu joistakin tensorien erityistapauksista:
- Skalaari (0D-tensori): yksittäinen luku, kuten
5tai3.14; - Vektori (1D-tensori): lukulista, esimerkiksi
[1, 2, 3]; - Matriisi (2D-tensori): kaksidimensionaalinen lukuruudukko, kuten taulukko riveineen ja sarakkeineen.
Korkeamman ulottuvuuden tensorit (3D, 4D jne.) laajentavat matriisien käsitettä useampiin ulottuvuuksiin. Esimerkiksi 3D-tensori voi kuvata kuvan, jossa on korkeus, leveys ja värikanavat.
Vaikka terminologia saattaa aluksi vaikuttaa monimutkaiselta, tärkein ajatus on, että tensorit ovat yksinkertaisesti numeerisen datan säiliöitä, aivan kuten NumPy-taulukot.
Tensorit PyTorchissa vs. NumPy-taulukot
PyTorch-tensorit käyttäytyvät monin tavoin samalla tavalla kuin NumPy-taulukot. Lisäksi tensorien indeksointi ja viipalointi toimivat samalla tavalla kuin NumPy-taulukoissa, joten emme käsittele näitä aiheita tässä kurssissa.
PyTorch-tensorit tarjoavat kuitenkin lisäetuja, kuten:
- Luontainen tuki GPU-kiihdytykselle;
- Integraatio PyTorchin syväoppimismoduuleihin;
- Yhteensopivuus autogradin, PyTorchin automaattisen differentiaatiotyökalun kanssa takaisinkytkentää varten.
Tensorien luominen
PyTorch tarjoaa useita tapoja luoda tensoreita. Yksi perusmenetelmistä on tensorin luominen listasta tai NumPy-taulukosta. Suositeltu tapa on välittää data torch.tensor() -funktiolle:
1234import torch data = [[1, 2], [3, 4]] tensor = torch.tensor(data) print(tensor)
Swipe to start coding
Luo 3D-tensori suoraan 3D-listasta ilman, että tallennat listaa erilliseen muuttujaan. Tensorilla voi olla mitkä tahansa ulottuvuudet ja se voi sisältää mitä tahansa alkioita.
Ratkaisu
Kiitos palautteestasi!
single
Kysy tekoälyä
Kysy tekoälyä
Kysy mitä tahansa tai kokeile jotakin ehdotetuista kysymyksistä aloittaaksesi keskustelumme
Mahtavaa!
Completion arvosana parantunut arvoon 5Johdanto Tensoreihin
Pyyhkäise näyttääksesi valikon
Mikä on tensori?
Tensori on yleistetty matemaattinen objekti, joka voi esittää dataa yhdessä tai useammassa ulottuvuudessa. Tensoria voi ajatella moniulotteisena taulukkona.
Olet jo ennestään tuttu joistakin tensorien erityistapauksista:
- Skalaari (0D-tensori): yksittäinen luku, kuten
5tai3.14; - Vektori (1D-tensori): lukulista, esimerkiksi
[1, 2, 3]; - Matriisi (2D-tensori): kaksidimensionaalinen lukuruudukko, kuten taulukko riveineen ja sarakkeineen.
Korkeamman ulottuvuuden tensorit (3D, 4D jne.) laajentavat matriisien käsitettä useampiin ulottuvuuksiin. Esimerkiksi 3D-tensori voi kuvata kuvan, jossa on korkeus, leveys ja värikanavat.
Vaikka terminologia saattaa aluksi vaikuttaa monimutkaiselta, tärkein ajatus on, että tensorit ovat yksinkertaisesti numeerisen datan säiliöitä, aivan kuten NumPy-taulukot.
Tensorit PyTorchissa vs. NumPy-taulukot
PyTorch-tensorit käyttäytyvät monin tavoin samalla tavalla kuin NumPy-taulukot. Lisäksi tensorien indeksointi ja viipalointi toimivat samalla tavalla kuin NumPy-taulukoissa, joten emme käsittele näitä aiheita tässä kurssissa.
PyTorch-tensorit tarjoavat kuitenkin lisäetuja, kuten:
- Luontainen tuki GPU-kiihdytykselle;
- Integraatio PyTorchin syväoppimismoduuleihin;
- Yhteensopivuus autogradin, PyTorchin automaattisen differentiaatiotyökalun kanssa takaisinkytkentää varten.
Tensorien luominen
PyTorch tarjoaa useita tapoja luoda tensoreita. Yksi perusmenetelmistä on tensorin luominen listasta tai NumPy-taulukosta. Suositeltu tapa on välittää data torch.tensor() -funktiolle:
1234import torch data = [[1, 2], [3, 4]] tensor = torch.tensor(data) print(tensor)
Swipe to start coding
Luo 3D-tensori suoraan 3D-listasta ilman, että tallennat listaa erilliseen muuttujaan. Tensorilla voi olla mitkä tahansa ulottuvuudet ja se voi sisältää mitä tahansa alkioita.
Ratkaisu
Vaihda työpöytään todellista harjoitusta vartenJatka siitä, missä olet käyttämällä jotakin alla olevista vaihtoehdoistaKiitos palautteestasi!
single
