Oppiskele Satunnaisten Tensorien Luominen

Satunnaisia tensoreita käytetään tietojen tai painojen alustamiseen koneoppimismalleissa (yleisin käyttötapaus).

Satunnaiset uniform-tensorit

torch.rand()-funktiolla luodaan tensori, jonka arvot ovat satunnaisia ja peräisin uniform-jakaumasta väliltä 0 ja 1. Samoin kuin zeros()- ja ones()-funktioissa, argumentit määrittävät tensorin muodon.


              1234
            
import torch
# Create a 6x8 tensor with random values between 0 and 1
random_tensor = torch.rand(6, 8)
print(random_tensor)

Satunnaiset normaalijakauman tensorit

Funktion torch.randn() avulla luodaan tensori, jonka arvot ovat satunnaisia ja poimittu standardin normaalijakauman mukaan (keskiarvo = 0, keskihajonta = 1).


              1234
            
import torch
# Create a 2x2 tensor with random values from a normal distribution
normal_tensor = torch.randn(2, 2)
print(normal_tensor)

Satunnaiset kokonaislukutensorit

Funktion torch.randint() avulla luodaan tensori, jonka arvot ovat satunnaisia kokonaislukuja ja poimittu diskreetistä tasajakaumasta.

Tämän funktion kaksi ensimmäistä parametria (low, oletuksena 0, ja high) määrittävät arvojen vaihteluvälin (väliltä low aina high ei sisälly). Seuraava parametri määrittää tensorin muodon tuplena.


              1234
            
import torch
# Create a 4x3 tensor with random integers between 0 and 10
integer_tensor = torch.randint(0, 10, (4, 3))
print(integer_tensor)

Satunnaissiementen asettaminen

Toistettavuuden varmistamiseksi voidaan asettaa manuaalinen siemen. Tämä kiinnittää satunnaisesti tuotetut luvut niin, että ne ovat samat joka kerta, kun koodi suoritetaan.


              123456
            
import torch
# Set the random seed
torch.manual_seed(42)
# Create a 2x3 tensor with random values
seeded_tensor = torch.rand(2, 3)
print(seeded_tensor)

Huomio

Voit asettaa siemenen mihin tahansa satunnaiseen kokonaislukuun, eikä itse luvun arvo ole useimmissa tapauksissa merkityksellinen — se ainoastaan määrittää satunnaislukujen järjestyksen. Tärkeintä on, että käyttämällä samaa siementä saat aina saman järjestyksen satunnaislukuja.

Satunnaisten tensorien käytännön käyttökohteet

Painojen alustaminen: satunnaisia tensoreita käytetään usein neuroverkkojen painojen alustamiseen;
Datan simulointi: satunnaisten tietoaineistojen luominen testaukseen ja kokeiluihin;
Satunnainen otanta: satunnaisten tensorien käyttö esimerkiksi dropoutissa ja kohinan lisäämisessä malleihin.

Oliko kaikki selvää?

Kiitos palautteestasi!

Osio 1. Luku 5

Kysy tekoälyä

Kysy mitä tahansa tai kokeile jotakin ehdotetuista kysymyksistä aloittaaksesi keskustelumme

Pyyhkäise näyttääksesi valikon