Aprenda Funções de Criação de Tensores

De forma semelhante ao NumPy, o PyTorch também oferece diversas funções integradas para criar tensores diretamente. Essas funções auxiliam na inicialização de espaços reservados de dados e na geração de tensores estruturados ou personalizados.

Tensor de Zeros e Uns

Para criar um tensor preenchido com zeros, utilize torch.zeros(). Os argumentos representam o tamanho de cada dimensão, sendo que o número de argumentos corresponde ao número de dimensões:


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

Útil para inicialização de vieses ou espaços reservados onde os valores iniciais são definidos como zero. Da mesma forma, utilize torch.ones() para criar um tensor preenchido com uns:


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

Particularmente útil para inicialização de pesos, termos de viés ou para operações em que um tensor de uns atua como elemento neutro ou multiplicador específico em cálculos matemáticos.

Arange e Linspace

De forma semelhante ao numpy.arange(), torch.arange() gera uma sequência de valores com um tamanho de passo especificado:


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

Tensor criado com valores de 0 até 10 exclusivo, com tamanho de passo igual a 2. Para criar valores uniformemente espaçados entre um ponto inicial e final, utilize torch.linspace():


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

Isso gera um tensor com 5 valores igualmente espaçados entre 0 e 1 inclusive.

Tensor a partir da Forma

É possível criar tensores com uma forma específica utilizando as variantes "like" das funções de criação. Essas funções criam tensores com a mesma forma de um tensor existente:


              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}")

Tudo estava claro?

Obrigado pelo seu feedback!

Seção 1. Capítulo 3

Pergunte à IA

Pergunte o que quiser ou experimente uma das perguntas sugeridas para iniciar nosso bate-papo

Deslize para mostrar o menu