Creazione di Tensori Casuali
I tensori casuali sono utili per inizializzare dati o pesi nei modelli di machine learning (il caso d'uso più comune).
Tensori Uniformemente Casuali
La funzione torch.rand() viene utilizzata per creare un tensore con valori casuali estratti da una distribuzione uniforme tra 0 e 1. Analogamente alle funzioni zeros() e ones(), gli argomenti specificano la forma del tensore.
1234import torch # Create a 6x8 tensor with random values between 0 and 1 random_tensor = torch.rand(6, 8) print(random_tensor)
Tensori Normali Casuali
La funzione torch.randn() viene utilizzata per creare un tensore con valori casuali estratti da una distribuzione normale standard (media = 0, deviazione standard = 1).
1234import torch # Create a 2x2 tensor with random values from a normal distribution normal_tensor = torch.randn(2, 2) print(normal_tensor)
Tensori Interi Casuali
La funzione torch.randint() viene utilizzata per creare un tensore con valori interi casuali estratti da una distribuzione uniforme discreta.
I primi due parametri di questa funzione (low, che di default è uguale a 0, e high) specificano l'intervallo dei valori (da low a high escluso). Il parametro successivo specifica la forma del tensore come una tupla.
1234import torch # Create a 4x3 tensor with random integers between 0 and 10 integer_tensor = torch.randint(0, 10, (4, 3)) print(integer_tensor)
Impostazione del Seed Casuale
Per garantire la riproducibilità, è possibile impostare un seed manuale. Questo fissa i numeri casuali generati in modo che siano gli stessi ogni volta che si esegue il codice.
123456import 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)
Casi d'Uso Pratici dei Tensori Casuali
- Inizializzazione dei pesi: i tensori casuali sono spesso utilizzati per inizializzare i pesi nelle reti neurali;
- Simulazione dei dati: generazione di set di dati casuali per test e sperimentazione;
- Campionamento casuale: utilizzo di tensori casuali per attività come dropout e aggiunta di rumore nei modelli.
Grazie per i tuoi commenti!
Chieda ad AI
Chieda ad AI
Chieda pure quello che desidera o provi una delle domande suggerite per iniziare la nostra conversazione
Awesome!
Completion rate improved to 5Creazione di Tensori Casuali
Scorri per mostrare il menu
I tensori casuali sono utili per inizializzare dati o pesi nei modelli di machine learning (il caso d'uso più comune).
Tensori Uniformemente Casuali
La funzione torch.rand() viene utilizzata per creare un tensore con valori casuali estratti da una distribuzione uniforme tra 0 e 1. Analogamente alle funzioni zeros() e ones(), gli argomenti specificano la forma del tensore.
1234import torch # Create a 6x8 tensor with random values between 0 and 1 random_tensor = torch.rand(6, 8) print(random_tensor)
Tensori Normali Casuali
La funzione torch.randn() viene utilizzata per creare un tensore con valori casuali estratti da una distribuzione normale standard (media = 0, deviazione standard = 1).
1234import torch # Create a 2x2 tensor with random values from a normal distribution normal_tensor = torch.randn(2, 2) print(normal_tensor)
Tensori Interi Casuali
La funzione torch.randint() viene utilizzata per creare un tensore con valori interi casuali estratti da una distribuzione uniforme discreta.
I primi due parametri di questa funzione (low, che di default è uguale a 0, e high) specificano l'intervallo dei valori (da low a high escluso). Il parametro successivo specifica la forma del tensore come una tupla.
1234import torch # Create a 4x3 tensor with random integers between 0 and 10 integer_tensor = torch.randint(0, 10, (4, 3)) print(integer_tensor)
Impostazione del Seed Casuale
Per garantire la riproducibilità, è possibile impostare un seed manuale. Questo fissa i numeri casuali generati in modo che siano gli stessi ogni volta che si esegue il codice.
123456import 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)
Casi d'Uso Pratici dei Tensori Casuali
- Inizializzazione dei pesi: i tensori casuali sono spesso utilizzati per inizializzare i pesi nelle reti neurali;
- Simulazione dei dati: generazione di set di dati casuali per test e sperimentazione;
- Campionamento casuale: utilizzo di tensori casuali per attività come dropout e aggiunta di rumore nei modelli.
Grazie per i tuoi commenti!
