Criando Tensores Aleatórios
Tensores aleatórios são úteis para inicializar dados ou pesos em modelos de aprendizado de máquina (o caso de uso mais comum).
Tensores Aleatórios Uniformes
A função torch.rand() é utilizada para criar um tensor com valores aleatórios extraídos de uma distribuição uniforme entre 0 e 1. De forma semelhante às funções zeros() e ones(), os argumentos especificam o formato do tensor.
1234import torch # Create a 6x8 tensor with random values between 0 and 1 random_tensor = torch.rand(6, 8) print(random_tensor)
Tensores Aleatórios Normais
A função torch.randn() é utilizada para criar um tensor com valores aleatórios provenientes de uma distribuição normal padrão (média = 0, desvio padrão = 1).
1234import torch # Create a 2x2 tensor with random values from a normal distribution normal_tensor = torch.randn(2, 2) print(normal_tensor)
Tensores Aleatórios de Inteiros
A função torch.randint() é utilizada para criar um tensor com valores inteiros aleatórios provenientes de uma distribuição uniforme discreta.
Os dois primeiros parâmetros desta função (low, que é igual a 0 por padrão, e high) especificam o intervalo de valores (de low até high exclusivo). O próximo parâmetro especifica o formato do tensor como uma 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)
Definindo a Semente Aleatória
Para garantir a reprodutibilidade, é possível definir uma semente manualmente. Isso fixa os números aleatórios gerados, tornando-os os mesmos toda vez que o código é executado.
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)
Casos de Uso Práticos para Tensores Aleatórios
- Inicialização de pesos: tensores aleatórios são frequentemente utilizados para inicializar pesos em redes neurais;
- Simulação de dados: geração de conjuntos de dados aleatórios para testes e experimentação;
- Amostragem aleatória: uso de tensores aleatórios para tarefas como dropout e adição de ruído em modelos.
Obrigado pelo seu feedback!
Pergunte à IA
Pergunte à IA
Pergunte o que quiser ou experimente uma das perguntas sugeridas para iniciar nosso bate-papo
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 5Criando Tensores Aleatórios
Deslize para mostrar o menu
Tensores aleatórios são úteis para inicializar dados ou pesos em modelos de aprendizado de máquina (o caso de uso mais comum).
Tensores Aleatórios Uniformes
A função torch.rand() é utilizada para criar um tensor com valores aleatórios extraídos de uma distribuição uniforme entre 0 e 1. De forma semelhante às funções zeros() e ones(), os argumentos especificam o formato do tensor.
1234import torch # Create a 6x8 tensor with random values between 0 and 1 random_tensor = torch.rand(6, 8) print(random_tensor)
Tensores Aleatórios Normais
A função torch.randn() é utilizada para criar um tensor com valores aleatórios provenientes de uma distribuição normal padrão (média = 0, desvio padrão = 1).
1234import torch # Create a 2x2 tensor with random values from a normal distribution normal_tensor = torch.randn(2, 2) print(normal_tensor)
Tensores Aleatórios de Inteiros
A função torch.randint() é utilizada para criar um tensor com valores inteiros aleatórios provenientes de uma distribuição uniforme discreta.
Os dois primeiros parâmetros desta função (low, que é igual a 0 por padrão, e high) especificam o intervalo de valores (de low até high exclusivo). O próximo parâmetro especifica o formato do tensor como uma 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)
Definindo a Semente Aleatória
Para garantir a reprodutibilidade, é possível definir uma semente manualmente. Isso fixa os números aleatórios gerados, tornando-os os mesmos toda vez que o código é executado.
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)
Casos de Uso Práticos para Tensores Aleatórios
- Inicialização de pesos: tensores aleatórios são frequentemente utilizados para inicializar pesos em redes neurais;
- Simulação de dados: geração de conjuntos de dados aleatórios para testes e experimentação;
- Amostragem aleatória: uso de tensores aleatórios para tarefas como dropout e adição de ruído em modelos.
Obrigado pelo seu feedback!
