Funções de Criação de Tensores
De forma semelhante ao NumPy, o PyTorch também oferece várias funções integradas para criar tensores diretamente. Essas funções auxiliam na inicialização de espaços reservados para dados e na geração de tensores estruturados ou personalizados.
Tensor de Zeros e Uns
Para criar um tensor preenchido com zeros, utilize torch.zeros(). Os argumentos representam o tamanho de cada dimensão, sendo que o número de argumentos corresponde ao número de dimensões:
123import torch tensor = torch.zeros(4, 2) print(tensor)
Isso é útil para inicializar vieses ou espaços reservados onde os valores iniciais são definidos como zero. Da mesma forma, utilize torch.ones() para criar um tensor preenchido com uns:
123import torch tensor = torch.ones(3, 3) print(tensor)
Isso pode ser particularmente útil para inicializar pesos, termos de viés ou realizar operações onde um tensor de uns serve como elemento neutro ou multiplicador específico em cálculos matemáticos.
Arange e Linspace
De forma semelhante ao numpy.arange(), torch.arange() gera uma sequência de valores com um tamanho de passo especificado:
123import torch tensor = torch.arange(0, 10, step=2) print(tensor)
Um tensor foi criado com sucesso com valores de 0 até 10 exclusivo, com tamanho de passo igual a 2. Para criar valores uniformemente espaçados entre um ponto inicial e final, utilize torch.linspace():
123import torch tensor = torch.linspace(0, 1, steps=5) print(tensor)
Isso gera um tensor com 5 valores igualmente espaçados entre 0 e 1 inclusive.
Tensor a partir da Forma
É possível criar tensores com uma forma específica utilizando as variantes "like" das funções de criação. Essas funções criam tensores com a mesma forma de um tensor já existente:
123456import 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}")
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
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?
Awesome!
Completion rate improved to 5Funções de Criação de Tensores
Deslize para mostrar o menu
De forma semelhante ao NumPy, o PyTorch também oferece várias funções integradas para criar tensores diretamente. Essas funções auxiliam na inicialização de espaços reservados para dados e na geração de tensores estruturados ou personalizados.
Tensor de Zeros e Uns
Para criar um tensor preenchido com zeros, utilize torch.zeros(). Os argumentos representam o tamanho de cada dimensão, sendo que o número de argumentos corresponde ao número de dimensões:
123import torch tensor = torch.zeros(4, 2) print(tensor)
Isso é útil para inicializar vieses ou espaços reservados onde os valores iniciais são definidos como zero. Da mesma forma, utilize torch.ones() para criar um tensor preenchido com uns:
123import torch tensor = torch.ones(3, 3) print(tensor)
Isso pode ser particularmente útil para inicializar pesos, termos de viés ou realizar operações onde um tensor de uns serve como elemento neutro ou multiplicador específico em cálculos matemáticos.
Arange e Linspace
De forma semelhante ao numpy.arange(), torch.arange() gera uma sequência de valores com um tamanho de passo especificado:
123import torch tensor = torch.arange(0, 10, step=2) print(tensor)
Um tensor foi criado com sucesso com valores de 0 até 10 exclusivo, com tamanho de passo igual a 2. Para criar valores uniformemente espaçados entre um ponto inicial e final, utilize torch.linspace():
123import torch tensor = torch.linspace(0, 1, steps=5) print(tensor)
Isso gera um tensor com 5 valores igualmente espaçados entre 0 e 1 inclusive.
Tensor a partir da Forma
É possível criar tensores com uma forma específica utilizando as variantes "like" das funções de criação. Essas funções criam tensores com a mesma forma de um tensor já existente:
123456import 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}")
Obrigado pelo seu feedback!
