Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Вивчайте Застосування тензорів | Тензори
Вступ до TensorFlow

Застосування тензорів

Свайпніть щоб показати меню

Застосування тензорів

Тензори, завдяки своїй багатовимірній природі, знаходять застосування у різноманітних задачах обробки даних. Їхня структура та форма мають вирішальне значення для того, як вони представляють і обробляють дані в різних сценаріях. Розглянемо:

  • Табличні дані: часто представлені у вигляді двовимірних тензорів, табличні дані нагадують матриці. Кожен рядок може відповідати одному запису даних, а кожен стовпець — певній ознаці або атрибуту даних. Наприклад, набір даних із 1000 зразків і 10 ознак буде представлений тензором форми (1000, 10);
table_as_tensor
  • Текстові послідовності: послідовності, такі як часові ряди або текстові дані, зазвичай відображаються у вигляді двовимірних тензорів. Одна з вимірностей відповідає часу або довжині, інша — ознакам на кожному кроці. Текст із 200 слів, оброблений ембеддінгами розміром 50, буде представлений тензором розміру (200, 50);
Note
Примітка

Вбудовування у текстовій обробці — це спосіб перетворення слів у числові вектори так, щоб слова зі схожим значенням мали подібні значення векторів. Це дозволяє комп'ютерам краще розуміти та працювати з текстовими даними, захоплюючи семантичні зв'язки між словами. У цьому прикладі кожне слово буде перетворено у вектор довжиною 50, тобто кожне слово буде представлене 50 числами з плаваючою комою.

text_as_tensor
  • Числові послідовності: у сценаріях, таких як моніторинг кількох параметрів системи з часом, можна використовувати 2D тензори. Розгляньте систему керування, де спостерігається поведінка 5 різних параметрів (наприклад, температура, тиск, вологість, напруга та струм) протягом 10 годин. Для кожного параметра фіксується 40 точок даних щогодини. За 10 годин це складає тензор форми (400, 5). У цьому форматі перший вимір послідовно відстежує часову шкалу (по 40 точок даних для кожної з 10 годин, разом 400), а другий вимір деталізує дані для кожного з 5 параметрів у кожній точці даних;
numseq_as_tensor
  • Обробка зображень: зображення переважно представлені у вигляді 3D тензорів. Висота та ширина зображення утворюють перші дві виміри, а глибина (колірні канали, такі як RGB) формує третю. Кольорове зображення розміром 256x256 пікселів матиме форму тензора (256, 256, 3);
Note
Примітка

Останній вимір має довжину 3, оскільки кожен піксель у палітрі кольорів RGB представлений трьома окремими значеннями, що відповідають його колірним каналам: R (червоний), G (зелений) та B (синій).

зображення_як_тензор
  • Обробка відео: відео, як послідовності зображень, виражаються за допомогою 4D тензорів. Кожен кадр розглядається як зображення. Отже, 60-секундне відео, вибірка якого здійснюється з частотою 1 кадр на секунду, де кожен кадр — це кольорове зображення розміром 256x256, буде представлене тензором розміру (60, 256, 256, 3).
відео_як_тензор
Note
Примітка

Для відео з 30 кадрами на секунду загальна кількість кадрів дорівнюватиме 30 * number of seconds. Отже, для 60 секунд це буде 30 кадрів/секунда, помножених на 60 секунд, що дає нам 1800 кадрів. Це призведе до тензора з формою (1800, 256, 256, 3).

Розуміння цих форм і логіки їх побудови є фундаментальним. Забезпечення правильних розмірностей тензорів дозволяє коректно організувати дані, створюючи основу для ефективного навчання та інференсу моделей.

1. У вас є таблиця записів пацієнтів із 500 пацієнтами. Кожен запис містить 8 ознак, таких як вік, група крові, зріст і вага. Яка форма тензора представляє ці дані?

2. Роман обробляється слово за словом, і загалом містить 1000 слів. Якщо кожне слово представлено ембеддінгом розміром 20, якої форми буде тензор, що містить ці дані?

3. Система моніторингу навколишнього середовища фіксує дані по 4 різних метриках (наприклад, рівень CO2, температура, вологість та атмосферний тиск) протягом 12 годин. Якщо кожна година містить 30 точок даних для кожної метрики, якої форми буде тензор?

4. У вас є набір даних із 200 зображень у відтінках сірого для проєкту машинного навчання. Кожне зображення має розмір 128x128 пікселів. Зображення у відтінках сірого мають лише 1 канал. Якої форми буде тензор, що представляє ці дані?

question mark

У вас є таблиця записів пацієнтів із 500 пацієнтами. Кожен запис містить 8 ознак, таких як вік, група крові, зріст і вага. Яка форма тензора представляє ці дані?

Виберіть правильну відповідь

question mark

Роман обробляється слово за словом, і загалом містить 1000 слів. Якщо кожне слово представлено ембеддінгом розміром 20, якої форми буде тензор, що містить ці дані?

Виберіть правильну відповідь

question mark

Система моніторингу навколишнього середовища фіксує дані по 4 різних метриках (наприклад, рівень CO2, температура, вологість та атмосферний тиск) протягом 12 годин. Якщо кожна година містить 30 точок даних для кожної метрики, якої форми буде тензор?

Виберіть правильну відповідь

question mark

У вас є набір даних із 200 зображень у відтінках сірого для проєкту машинного навчання. Кожне зображення має розмір 128x128 пікселів. Зображення у відтінках сірого мають лише 1 канал. Якої форми буде тензор, що представляє ці дані?

Виберіть правильну відповідь

Все було зрозуміло?

Як ми можемо покращити це?

Дякуємо за ваш відгук!

Секція 1. Розділ 4

Запитати АІ

expand

Запитати АІ

ChatGPT

Запитайте про що завгодно або спробуйте одне із запропонованих запитань, щоб почати наш чат

Застосування тензорів

Застосування тензорів

Тензори, завдяки своїй багатовимірній природі, знаходять застосування у різноманітних задачах обробки даних. Їхня структура та форма мають вирішальне значення для того, як вони представляють і обробляють дані в різних сценаріях. Розглянемо:

  • Табличні дані: часто представлені у вигляді двовимірних тензорів, табличні дані нагадують матриці. Кожен рядок може відповідати одному запису даних, а кожен стовпець — певній ознаці або атрибуту даних. Наприклад, набір даних із 1000 зразків і 10 ознак буде представлений тензором форми (1000, 10);
table_as_tensor
  • Текстові послідовності: послідовності, такі як часові ряди або текстові дані, зазвичай відображаються у вигляді двовимірних тензорів. Одна з вимірностей відповідає часу або довжині, інша — ознакам на кожному кроці. Текст із 200 слів, оброблений ембеддінгами розміром 50, буде представлений тензором розміру (200, 50);
Note
Примітка

Вбудовування у текстовій обробці — це спосіб перетворення слів у числові вектори так, щоб слова зі схожим значенням мали подібні значення векторів. Це дозволяє комп'ютерам краще розуміти та працювати з текстовими даними, захоплюючи семантичні зв'язки між словами. У цьому прикладі кожне слово буде перетворено у вектор довжиною 50, тобто кожне слово буде представлене 50 числами з плаваючою комою.

text_as_tensor
  • Числові послідовності: у сценаріях, таких як моніторинг кількох параметрів системи з часом, можна використовувати 2D тензори. Розгляньте систему керування, де спостерігається поведінка 5 різних параметрів (наприклад, температура, тиск, вологість, напруга та струм) протягом 10 годин. Для кожного параметра фіксується 40 точок даних щогодини. За 10 годин це складає тензор форми (400, 5). У цьому форматі перший вимір послідовно відстежує часову шкалу (по 40 точок даних для кожної з 10 годин, разом 400), а другий вимір деталізує дані для кожного з 5 параметрів у кожній точці даних;
numseq_as_tensor
  • Обробка зображень: зображення переважно представлені у вигляді 3D тензорів. Висота та ширина зображення утворюють перші дві виміри, а глибина (колірні канали, такі як RGB) формує третю. Кольорове зображення розміром 256x256 пікселів матиме форму тензора (256, 256, 3);
Note
Примітка

Останній вимір має довжину 3, оскільки кожен піксель у палітрі кольорів RGB представлений трьома окремими значеннями, що відповідають його колірним каналам: R (червоний), G (зелений) та B (синій).

зображення_як_тензор
  • Обробка відео: відео, як послідовності зображень, виражаються за допомогою 4D тензорів. Кожен кадр розглядається як зображення. Отже, 60-секундне відео, вибірка якого здійснюється з частотою 1 кадр на секунду, де кожен кадр — це кольорове зображення розміром 256x256, буде представлене тензором розміру (60, 256, 256, 3).
відео_як_тензор
Note
Примітка

Для відео з 30 кадрами на секунду загальна кількість кадрів дорівнюватиме 30 * number of seconds. Отже, для 60 секунд це буде 30 кадрів/секунда, помножених на 60 секунд, що дає нам 1800 кадрів. Це призведе до тензора з формою (1800, 256, 256, 3).

Розуміння цих форм і логіки їх побудови є фундаментальним. Забезпечення правильних розмірностей тензорів дозволяє коректно організувати дані, створюючи основу для ефективного навчання та інференсу моделей.

Все було зрозуміло?

Як ми можемо покращити це?

Дякуємо за ваш відгук!

Секція 1. Розділ 4
some-alt