Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Aprende Creación de Tensores Aleatorios | Introducción a PyTorch
Esenciales de PyTorch

bookCreación de Tensores Aleatorios

Los tensores aleatorios son útiles para inicializar datos o pesos en modelos de aprendizaje automático (el caso de uso más común).

Tensores Aleatorios Uniformes

La función torch.rand() se utiliza para crear un tensor con valores aleatorios extraídos de una distribución uniforme entre 0 y 1. De manera similar a las funciones zeros() y ones(), los argumentos especifican la forma del tensor.

1234
import torch # Create a 6x8 tensor with random values between 0 and 1 random_tensor = torch.rand(6, 8) print(random_tensor)
copy

Tensores Aleatorios Normales

La función torch.randn() se utiliza para crear un tensor con valores aleatorios extraídos de una distribución normal estándar (media = 0, desviación estándar = 1).

1234
import torch # Create a 2x2 tensor with random values from a normal distribution normal_tensor = torch.randn(2, 2) print(normal_tensor)
copy

Tensores Aleatorios de Enteros

La función torch.randint() se utiliza para crear un tensor con valores enteros aleatorios extraídos de una distribución uniforme discreta.

Los dos primeros parámetros de esta función (low, que por defecto es 0, y high) especifican el rango de valores (desde low hasta high exclusivo). El siguiente parámetro especifica la forma del tensor como una tupla.

1234
import torch # Create a 4x3 tensor with random integers between 0 and 10 integer_tensor = torch.randint(0, 10, (4, 3)) print(integer_tensor)
copy

Configuración de la semilla aleatoria

Para garantizar la reproducibilidad, es posible establecer una semilla manual. Esto fija los números aleatorios generados para que sean los mismos cada vez que se ejecuta el código.

123456
import torch # Set the random seed torch.manual_seed(42) # Create a 2x3 tensor with random values seeded_tensor = torch.rand(2, 3) print(seeded_tensor)
copy

Casos de uso prácticos para tensores aleatorios

  • Inicialización de pesos: los tensores aleatorios se utilizan frecuentemente para inicializar los pesos en redes neuronales;
  • Simulación de datos: generación de conjuntos de datos aleatorios para pruebas y experimentación;
  • Muestreo aleatorio: uso de tensores aleatorios para tareas como dropout y adición de ruido en modelos.
question mark

¿Cuál de las siguientes afirmaciones sobre tensores aleatorios en PyTorch es correcta?

Select the correct answer

¿Todo estuvo claro?

¿Cómo podemos mejorarlo?

¡Gracias por tus comentarios!

Sección 1. Capítulo 5

Pregunte a AI

expand

Pregunte a AI

ChatGPT

Pregunte lo que quiera o pruebe una de las preguntas sugeridas para comenzar nuestra charla

Suggested prompts:

What is the difference between torch.rand() and torch.randn()?

How do I choose the shape of the tensor I need?

Can you explain more about setting the random seed and why it's important?

Awesome!

Completion rate improved to 5

bookCreación de Tensores Aleatorios

Desliza para mostrar el menú

Los tensores aleatorios son útiles para inicializar datos o pesos en modelos de aprendizaje automático (el caso de uso más común).

Tensores Aleatorios Uniformes

La función torch.rand() se utiliza para crear un tensor con valores aleatorios extraídos de una distribución uniforme entre 0 y 1. De manera similar a las funciones zeros() y ones(), los argumentos especifican la forma del tensor.

1234
import torch # Create a 6x8 tensor with random values between 0 and 1 random_tensor = torch.rand(6, 8) print(random_tensor)
copy

Tensores Aleatorios Normales

La función torch.randn() se utiliza para crear un tensor con valores aleatorios extraídos de una distribución normal estándar (media = 0, desviación estándar = 1).

1234
import torch # Create a 2x2 tensor with random values from a normal distribution normal_tensor = torch.randn(2, 2) print(normal_tensor)
copy

Tensores Aleatorios de Enteros

La función torch.randint() se utiliza para crear un tensor con valores enteros aleatorios extraídos de una distribución uniforme discreta.

Los dos primeros parámetros de esta función (low, que por defecto es 0, y high) especifican el rango de valores (desde low hasta high exclusivo). El siguiente parámetro especifica la forma del tensor como una tupla.

1234
import torch # Create a 4x3 tensor with random integers between 0 and 10 integer_tensor = torch.randint(0, 10, (4, 3)) print(integer_tensor)
copy

Configuración de la semilla aleatoria

Para garantizar la reproducibilidad, es posible establecer una semilla manual. Esto fija los números aleatorios generados para que sean los mismos cada vez que se ejecuta el código.

123456
import torch # Set the random seed torch.manual_seed(42) # Create a 2x3 tensor with random values seeded_tensor = torch.rand(2, 3) print(seeded_tensor)
copy

Casos de uso prácticos para tensores aleatorios

  • Inicialización de pesos: los tensores aleatorios se utilizan frecuentemente para inicializar los pesos en redes neuronales;
  • Simulación de datos: generación de conjuntos de datos aleatorios para pruebas y experimentación;
  • Muestreo aleatorio: uso de tensores aleatorios para tareas como dropout y adición de ruido en modelos.
question mark

¿Cuál de las siguientes afirmaciones sobre tensores aleatorios en PyTorch es correcta?

Select the correct answer

¿Todo estuvo claro?

¿Cómo podemos mejorarlo?

¡Gracias por tus comentarios!

Sección 1. Capítulo 5
some-alt