Tensorin Luontifunktiot
Pyyhkäise näyttääksesi valikon
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 luomiseen, joka on täytetty nollilla, käytetään torch.zeros(). Argumentit määrittävät jokaisen ulottuvuuden koon, ja argumenttien määrä vastaa ulottuvuuksien määrää:
123import torch tensor = torch.zeros(4, 2) print(tensor)
Tämä on hyödyllistä bias-termejä alustettaessa tai paikkamerkkeinä, joissa alkuarvot asetetaan nollaksi. Vastaavasti käytä torch.ones()-funktiota luodaksesi tensorin, joka on täytetty ykkösillä:
123import torch tensor = torch.ones(3, 3) print(tensor)
Tämä voi olla 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:
123import torch tensor = torch.arange(0, 10, step=2) print(tensor)
Tensor on luotu onnistuneesti arvoilla 0–10 ilman kymppiä ja askelväli on 2. Jos halutaan luoda tasavälisiä arvoja annetulla alku- ja loppuarvolla, käytetään torch.linspace()-funktiota:
123import 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
Tensoreita voidaan luoda tietyn muodon mukaan käyttämällä luontifunktioiden "like"-versioita. Nämä luovat tensoreita, joilla on sama muoto kuin olemassa olevalla tensorilla:
123456import 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}")
Kiitos palautteestasi!
Kysy tekoälyä
Kysy tekoälyä
Kysy mitä tahansa tai kokeile jotakin ehdotetuista kysymyksistä aloittaaksesi keskustelumme
Tensorin Luontifunktiot
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 luomiseen, joka on täytetty nollilla, käytetään torch.zeros(). Argumentit määrittävät jokaisen ulottuvuuden koon, ja argumenttien määrä vastaa ulottuvuuksien määrää:
123import torch tensor = torch.zeros(4, 2) print(tensor)
Tämä on hyödyllistä bias-termejä alustettaessa tai paikkamerkkeinä, joissa alkuarvot asetetaan nollaksi. Vastaavasti käytä torch.ones()-funktiota luodaksesi tensorin, joka on täytetty ykkösillä:
123import torch tensor = torch.ones(3, 3) print(tensor)
Tämä voi olla 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:
123import torch tensor = torch.arange(0, 10, step=2) print(tensor)
Tensor on luotu onnistuneesti arvoilla 0–10 ilman kymppiä ja askelväli on 2. Jos halutaan luoda tasavälisiä arvoja annetulla alku- ja loppuarvolla, käytetään torch.linspace()-funktiota:
123import 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
Tensoreita voidaan luoda tietyn muodon mukaan käyttämällä luontifunktioiden "like"-versioita. Nämä luovat tensoreita, joilla on sama muoto kuin olemassa olevalla tensorilla:
123456import 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}")
Kiitos palautteestasi!