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

bookIntroducción a los Tensores

¿Qué es un tensor?

Ya se conocen algunos casos especiales de tensores:

  • Escalar (tensor 0D): un solo número, como 5 o 3.14;
  • Vector (tensor 1D): una lista de números, como [1, 2, 3];
  • Matriz (tensor 2D): una cuadrícula bidimensional de números, como una tabla con filas y columnas.

Tensores de mayor dimensión (3D, 4D, etc.) amplían el concepto de matrices a dimensiones adicionales. Por ejemplo, un tensor 3D puede representar una imagen con altura, anchura y canales de color.

Aunque la terminología puede parecer compleja al principio, la idea clave es que los tensores son simplemente contenedores de datos numéricos, muy similares a los arrays de NumPy.

Tensores en PyTorch vs. Arrays de NumPy

Los tensores de PyTorch se comportan de manera similar a los arrays de NumPy en muchos aspectos. Además, la indexación y el corte en tensores funcionan igual que en los arrays de NumPy, por lo que no abordaremos estos temas en este curso.

Sin embargo, los tensores de PyTorch ofrecen ventajas adicionales, tales como:

  • Soporte nativo para aceleración por GPU;
  • Integración con los módulos de aprendizaje profundo de PyTorch;
  • Compatibilidad con autograd, la herramienta de diferenciación automática de PyTorch para la retropropagación.

Creación de tensores

PyTorch proporciona varias formas de crear tensores. Uno de los enfoques más básicos es crear un tensor a partir de una lista o un array de NumPy. La forma recomendada de hacerlo es pasando los datos a la función torch.tensor():

1234
import torch data = [[1, 2], [3, 4]] tensor = torch.tensor(data) print(tensor)
copy
Tarea

Swipe to start coding

Crear un tensor 3D directamente a partir de una lista 3D sin almacenar la lista en una variable separada. El tensor puede tener cualquier dimensión y contener elementos arbitrarios.

Solución

¿Todo estuvo claro?

¿Cómo podemos mejorarlo?

¡Gracias por tus comentarios!

Sección 1. Capítulo 2
single

single

Pregunte a AI

expand

Pregunte a AI

ChatGPT

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

close

Awesome!

Completion rate improved to 5

bookIntroducción a los Tensores

Desliza para mostrar el menú

¿Qué es un tensor?

Ya se conocen algunos casos especiales de tensores:

  • Escalar (tensor 0D): un solo número, como 5 o 3.14;
  • Vector (tensor 1D): una lista de números, como [1, 2, 3];
  • Matriz (tensor 2D): una cuadrícula bidimensional de números, como una tabla con filas y columnas.

Tensores de mayor dimensión (3D, 4D, etc.) amplían el concepto de matrices a dimensiones adicionales. Por ejemplo, un tensor 3D puede representar una imagen con altura, anchura y canales de color.

Aunque la terminología puede parecer compleja al principio, la idea clave es que los tensores son simplemente contenedores de datos numéricos, muy similares a los arrays de NumPy.

Tensores en PyTorch vs. Arrays de NumPy

Los tensores de PyTorch se comportan de manera similar a los arrays de NumPy en muchos aspectos. Además, la indexación y el corte en tensores funcionan igual que en los arrays de NumPy, por lo que no abordaremos estos temas en este curso.

Sin embargo, los tensores de PyTorch ofrecen ventajas adicionales, tales como:

  • Soporte nativo para aceleración por GPU;
  • Integración con los módulos de aprendizaje profundo de PyTorch;
  • Compatibilidad con autograd, la herramienta de diferenciación automática de PyTorch para la retropropagación.

Creación de tensores

PyTorch proporciona varias formas de crear tensores. Uno de los enfoques más básicos es crear un tensor a partir de una lista o un array de NumPy. La forma recomendada de hacerlo es pasando los datos a la función torch.tensor():

1234
import torch data = [[1, 2], [3, 4]] tensor = torch.tensor(data) print(tensor)
copy
Tarea

Swipe to start coding

Crear un tensor 3D directamente a partir de una lista 3D sin almacenar la lista en una variable separada. El tensor puede tener cualquier dimensión y contener elementos arbitrarios.

Solución

Switch to desktopCambia al escritorio para practicar en el mundo realContinúe desde donde se encuentra utilizando una de las siguientes opciones
¿Todo estuvo claro?

¿Cómo podemos mejorarlo?

¡Gracias por tus comentarios!

close

Awesome!

Completion rate improved to 5
Sección 1. Capítulo 2
single

single

some-alt