Чудово!
Completion показник покращився до 5single
Вступ до Тензорів
Свайпніть щоб показати меню
Що таке тензор?
Ви вже знайомі з деякими особливими випадками тензорів:
- Скаляр (0D тензор): одне число, наприклад
5або3.14; - Вектор (1D тензор): список чисел, наприклад
[1, 2, 3]; - Матриця (2D тензор): двовимірна сітка чисел, як таблиця з рядками та стовпцями.
Тензори вищих розмірностей (3D, 4D тощо) розширюють поняття матриць на додаткові виміри. Наприклад, 3D тензор може представляти зображення з висотою, шириною та кольоровими каналами.
Хоча термінологія може здатися складною на перший погляд, основна ідея полягає в тому, що тензори — це просто контейнери для числових даних, подібно до масивів NumPy.
Тензори в PyTorch та масиви NumPy
Тензори PyTorch у багатьох аспектах поводяться подібно до масивів NumPy. Крім того, індексація та зрізи у тензорах працюють так само, як і в масивах NumPy, тому ці теми не розглядатимуться в цьому курсі.
Однак тензори PyTorch мають додаткові переваги, зокрема:
- Власна підтримка прискорення на GPU;
- Інтеграція з модулями глибокого навчання PyTorch;
- Сумісність з autograd — інструментом автоматичного диференціювання PyTorch для зворотного поширення помилки.
Створення тензорів
PyTorch надає кілька способів створення тензорів. Один із найпростіших підходів — створити тензор із списку або масиву NumPy. Рекомендований спосіб — передати дані у функцію torch.tensor():
1234import torch data = [[1, 2], [3, 4]] tensor = torch.tensor(data) print(tensor)
Swipe to start coding
Створення тривимірного тензора безпосередньо з тривимірного списку без збереження списку в окремій змінній. Тензор може мати будь-які розміри та містити довільні елементи.
Рішення
Дякуємо за ваш відгук!
single
Запитати АІ
Запитати АІ
Запитайте про що завгодно або спробуйте одне із запропонованих запитань, щоб почати наш чат