Lære Funksjoner for Opprettelse av Tensorer

På samme måte som NumPy, tilbyr PyTorch også flere innebygde funksjoner for å opprette tensorer direkte. Disse funksjonene hjelper til med å initialisere data-plassholdere og generere strukturerte eller tilpassede tensorer.

Tensor av nuller og ettall

For å opprette en tensor fylt med nuller, bruk torch.zeros(). Argumentene representerer størrelsen på hver dimensjon, hvor antall argumenter tilsvarer antall dimensjoner:


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

Dette er nyttig for initialisering av bias eller plassholdere der startverdiene settes til null. På samme måte kan du bruke torch.ones() for å opprette en tensor fylt med ener:


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

Dette kan være spesielt nyttig for initialisering av vekter, bias-termer, eller for å utføre operasjoner der en tensor med ener fungerer som et nøytralt element eller en spesifikk multiplikator i matematiske beregninger.

Arange og Linspace

På samme måte som numpy.arange(), genererer torch.arange() en sekvens av verdier med en spesifisert størrelse på steg:


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

Vi har opprettet et tensor med verdier fra 0 til 10 eksklusiv med en steglengde lik 2. For å lage jevnt fordelte verdier mellom et start- og sluttpunkt, bruk torch.linspace():


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

Dette genererer en tensor med 5 jevnt fordelte verdier mellom 0 og 1 inkludert.

Tensor fra form

Du kan opprette tensorer med en spesifikk form ved å bruke "like"-variantene av opprettelsesfunksjoner. Disse lager 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}")

Alt var klart?

Takk for tilbakemeldingene dine!

Seksjon 1. Kapittel 3

Spør AI

Spør om hva du vil, eller prøv ett av de foreslåtte spørsmålene for å starte chatten vår

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?

Sveip for å vise menyen

Tensor av nuller og ettall

For å opprette en tensor fylt med nuller, bruk torch.zeros(). Argumentene representerer størrelsen på hver dimensjon, hvor antall argumenter tilsvarer antall dimensjoner:


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

Dette er nyttig for initialisering av bias eller plassholdere der startverdiene settes til null. På samme måte kan du bruke torch.ones() for å opprette en tensor fylt med ener:


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

Arange og Linspace

På samme måte som numpy.arange(), genererer torch.arange() en sekvens av verdier med en spesifisert størrelse på steg:


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

Vi har opprettet et tensor med verdier fra 0 til 10 eksklusiv med en steglengde lik 2. For å lage jevnt fordelte verdier mellom et start- og sluttpunkt, bruk torch.linspace():


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

Dette genererer en tensor med 5 jevnt fordelte verdier mellom 0 og 1 inkludert.

Tensor fra form

Du kan opprette tensorer med en spesifikk form ved å bruke "like"-variantene av opprettelsesfunksjoner. Disse lager 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}")

Alt var klart?

Takk for tilbakemeldingene dine!

Seksjon 1. Kapittel 3

Funksjoner for Opprettelse av Tensorer

Tensor av nuller og ettall

Arange og Linspace

Tensor fra form

Awesome!

Funksjoner for Opprettelse av Tensorer

Tensor av nuller og ettall

Arange og Linspace

Tensor fra form