Функції Створення Тензорів
Свайпніть щоб показати меню
Аналогічно до NumPy, PyTorch також надає кілька вбудованих функцій для безпосереднього створення тензорів. Ці функції допомагають ініціалізувати заповнювачі даних і генерувати структуровані або користувацькі тензори.
Тензори з нулями та одиницями
Для створення тензора, заповненого нулями, використовуйте torch.zeros(). Аргументи визначають розмір кожного виміру, а їх кількість відповідає кількості вимірів:
123import torch tensor = torch.zeros(4, 2) print(tensor)
Це корисно для ініціалізації зсувів або заповнювачів, де початкові значення встановлюються на нуль. Аналогічно, використовуйте torch.ones() для створення тензора, заповненого одиницями:
123import torch tensor = torch.ones(3, 3) print(tensor)
Це може бути особливо корисно для ініціалізації ваг, зсувних членів або виконання операцій, де тензор з одиницями виступає нейтральним елементом чи певним множником у математичних обчисленнях.
Arange та Linspace
Аналогічно до numpy.arange(), функція torch.arange() генерує послідовність значень із заданим кроком:
123import torch tensor = torch.arange(0, 10, step=2) print(tensor)
Успішно створено тензор зі значеннями від 0 до 10 невключно з кроком 2. Для створення рівновіддалених значень між початковою та кінцевою точками використовуйте torch.linspace():
123import torch tensor = torch.linspace(0, 1, steps=5) print(tensor)
Це генерує тензор з 5 рівновіддаленими значеннями між 0 та 1 включно.
Тензор із форми
Можна створювати тензори з певною формою, використовуючи варіанти функцій створення з суфіксом "like". Вони створюють тензори з такою ж формою, як у наявного тензора:
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}")
Дякуємо за ваш відгук!
Запитати АІ
Запитати АІ
Запитайте про що завгодно або спробуйте одне із запропонованих запитань, щоб почати наш чат
Функції Створення Тензорів
Аналогічно до NumPy, PyTorch також надає кілька вбудованих функцій для безпосереднього створення тензорів. Ці функції допомагають ініціалізувати заповнювачі даних і генерувати структуровані або користувацькі тензори.
Тензори з нулями та одиницями
Для створення тензора, заповненого нулями, використовуйте torch.zeros(). Аргументи визначають розмір кожного виміру, а їх кількість відповідає кількості вимірів:
123import torch tensor = torch.zeros(4, 2) print(tensor)
Це корисно для ініціалізації зсувів або заповнювачів, де початкові значення встановлюються на нуль. Аналогічно, використовуйте torch.ones() для створення тензора, заповненого одиницями:
123import torch tensor = torch.ones(3, 3) print(tensor)
Це може бути особливо корисно для ініціалізації ваг, зсувних членів або виконання операцій, де тензор з одиницями виступає нейтральним елементом чи певним множником у математичних обчисленнях.
Arange та Linspace
Аналогічно до numpy.arange(), функція torch.arange() генерує послідовність значень із заданим кроком:
123import torch tensor = torch.arange(0, 10, step=2) print(tensor)
Успішно створено тензор зі значеннями від 0 до 10 невключно з кроком 2. Для створення рівновіддалених значень між початковою та кінцевою точками використовуйте torch.linspace():
123import torch tensor = torch.linspace(0, 1, steps=5) print(tensor)
Це генерує тензор з 5 рівновіддаленими значеннями між 0 та 1 включно.
Тензор із форми
Можна створювати тензори з певною формою, використовуючи варіанти функцій створення з суфіксом "like". Вони створюють тензори з такою ж формою, як у наявного тензора:
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}")
Дякуємо за ваш відгук!