Leer Tensorcreatiefuncties | Pytorch Introductie

Net als bij NumPy biedt PyTorch ook verschillende ingebouwde functies om direct tensors te creëren. Deze functies zijn handig voor het initialiseren van gegevensplaats-houders en het genereren van gestructureerde of aangepaste tensors.

Tensor van nullen en enen

Gebruik torch.zeros() om een tensor gevuld met nullen te maken. De argumenten geven de grootte van elke dimensie aan, waarbij het aantal argumenten overeenkomt met het aantal dimensies:


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

Dit is nuttig voor het initialiseren van biases of tijdelijke aanduidingen waarbij de beginwaarden op nul worden gezet. Gebruik op vergelijkbare wijze torch.ones() om een tensor gevuld met enen te maken:


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

Dit kan bijzonder nuttig zijn voor het initialiseren van gewichten, bias-termen, of het uitvoeren van bewerkingen waarbij een tensor van enen dient als neutraal element of als specifieke vermenigvuldiger in wiskundige berekeningen.

Arange en Linspace

Net als numpy.arange() genereert torch.arange() een reeks waarden met een opgegeven stapgrootte:


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

Er is succesvol een tensor aangemaakt met waarden van 0 tot 10 exclusief met een stapgrootte van 2. Voor het creëren van gelijkmatig verdeelde waarden tussen een begin- en eindpunt, gebruik torch.linspace():


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

Hiermee wordt een tensor gegenereerd met 5 gelijkmatig verdeelde waarden tussen 0 en 1 inclusief.

Tensor op basis van vorm

Tensors met een specifieke vorm kunnen worden aangemaakt met behulp van de "like"-varianten van creatiefuncties. Deze maken tensors aan met dezelfde vorm als een bestaande 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}")

Was alles duidelijk?

Bedankt voor je feedback!

Sectie 1. Hoofdstuk 3

Vraag AI

Vraag wat u wilt of probeer een van de voorgestelde vragen om onze chat te starten.

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?

Veeg om het menu te tonen

Tensor van nullen en enen

Gebruik torch.zeros() om een tensor gevuld met nullen te maken. De argumenten geven de grootte van elke dimensie aan, waarbij het aantal argumenten overeenkomt met het aantal dimensies:


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


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

Arange en Linspace

Net als numpy.arange() genereert torch.arange() een reeks waarden met een opgegeven stapgrootte:


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


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

Hiermee wordt een tensor gegenereerd met 5 gelijkmatig verdeelde waarden tussen 0 en 1 inclusief.

Tensor op basis van vorm

Tensors met een specifieke vorm kunnen worden aangemaakt met behulp van de "like"-varianten van creatiefuncties. Deze maken tensors aan met dezelfde vorm als een bestaande 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}")

Was alles duidelijk?

Bedankt voor je feedback!

Sectie 1. Hoofdstuk 3

Tensorcreatiefuncties

Tensor van nullen en enen

Arange en Linspace

Tensor op basis van vorm

Awesome!

Tensorcreatiefuncties

Tensor van nullen en enen

Arange en Linspace

Tensor op basis van vorm