Lære Funktioner til Oprettelse af Tensorer

Ligesom NumPy tilbyder PyTorch også flere indbyggede funktioner til direkte oprettelse af tensors. Disse funktioner hjælper med at initialisere dataplads og generere strukturerede eller brugerdefinerede tensors.

Tensor af nuller og ettaller

For at oprette en tensor fyldt med nuller, anvendes torch.zeros(). Argumenterne angiver størrelsen på hver dimension, hvor antallet af argumenter svarer til antallet af dimensioner:


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

Dette er nyttigt til initialisering af bias eller pladsholdere, hvor startværdierne sættes til nul. Tilsvarende kan torch.ones() bruges til at oprette en tensor fyldt med ener:


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

Dette kan især være nyttigt til initialisering af vægte, bias-termer eller til at udføre operationer, hvor en tensor af ener fungerer som et neutralt element eller en specifik multiplikator i matematiske beregninger.

Arange og Linspace

På samme måde som numpy.arange(), genererer torch.arange() en sekvens af værdier med en specificeret skridtlængde:


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

Vi har succesfuldt oprettet en tensor med værdier fra 0 til 10 eksklusiv med skridtlængden sat til 2. For at oprette jævnt fordelte værdier mellem et start- og slutpunkt, anvend torch.linspace():


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

Dette genererer en tensor med 5 jævnt fordelte værdier mellem 0 og 1 inklusive.

Tensor fra form

Du kan oprette tensorer med en specifik form ved at bruge "like"-varianterne af oprettelsesfunktionerne. Disse opretter tensorer med samme form som en eksisterende tensor:


              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}")

Var alt klart?

Tak for dine kommentarer!

Sektion 1. Kapitel 3

Spørg AI

Spørg om hvad som helst eller prøv et af de foreslåede spørgsmål for at starte vores chat

Suggested prompts:

Can you explain the difference between torch.zeros() and torch.ones()?

How do I choose between torch.arange() and torch.linspace() for generating sequences?

What are some practical use cases for the "like" variants of tensor creation functions?

Stryg for at vise menuen

Tensor af nuller og ettaller

For at oprette en tensor fyldt med nuller, anvendes torch.zeros(). Argumenterne angiver størrelsen på hver dimension, hvor antallet af argumenter svarer til antallet af dimensioner:


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

Dette er nyttigt til initialisering af bias eller pladsholdere, hvor startværdierne sættes til nul. Tilsvarende kan torch.ones() bruges til at oprette en tensor fyldt med ener:


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

Arange og Linspace

På samme måde som numpy.arange(), genererer torch.arange() en sekvens af værdier med en specificeret skridtlængde:


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


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

Dette genererer en tensor med 5 jævnt fordelte værdier mellem 0 og 1 inklusive.

Tensor fra form

Du kan oprette tensorer med en specifik form ved at bruge "like"-varianterne af oprettelsesfunktionerne. Disse opretter tensorer med samme form som en eksisterende tensor:


              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}")

Var alt klart?

Tak for dine kommentarer!

Sektion 1. Kapitel 3

Funktioner til Oprettelse af Tensorer

Tensor af nuller og ettaller

Arange og Linspace

Tensor fra form

Awesome!

Funktioner til Oprettelse af Tensorer

Tensor af nuller og ettaller

Arange og Linspace

Tensor fra form