Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Вивчайте Функції Створення Тензорів | Секція
PyTorch: Основи для ML-Інженера

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:

123
import 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:

123
import 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:

123
import 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():

123
import 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:

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}")
question mark

Яким буде вивід наступного фрагменту коду PyTorch?

Виберіть правильну відповідь

Все було зрозуміло?

Як ми можемо покращити це?

Дякуємо за ваш відгук!

Секція 1. Розділ 3

Запитати АІ

expand

Запитати АІ

ChatGPT

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:

123
import 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:

123
import 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:

123
import 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():

123
import 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:

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}")
Все було зрозуміло?

Як ми можемо покращити це?

Дякуємо за ваш відгук!

Секція 1. Розділ 3
some-alt