Вивчайте Функції Створення Тензорів

Подібно до NumPy, PyTorch також надає кілька вбудованих функцій для безпосереднього створення тензорів. Ці функції допомагають ініціалізувати заповнювачі даних та генерувати структуровані або користувацькі тензори.

Тензори з нулями та одиницями

Щоб створити тензор, заповнений нулями, використовуйте torch.zeros(). Аргументи визначають розмір кожного виміру, а їх кількість відповідає кількості вимірів:


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

Це корисно для ініціалізації зсувів або заповнювачів, де початкові значення встановлюються на нуль. Аналогічно, використовуйте torch.ones() для створення тензора, заповненого одиницями:


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

Це може бути особливо корисно для ініціалізації ваг, зсувних членів або виконання операцій, де тензор з одиниць виступає нейтральним елементом чи певним множником у математичних обчисленнях.

Arange та Linspace

Аналогічно до numpy.arange(), torch.arange() генерує послідовність значень із заданим кроком:


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

Ми успішно створили тензор зі значеннями від 0 до 10 невключно з кроком 2. Для створення рівновіддалених значень між початковою та кінцевою точками використовуйте torch.linspace():


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

Це створює тензор з 5 рівновіддаленими значеннями між 0 та 1 включно.

Тензор за формою

Можна створювати тензори з певною формою, використовуючи варіанти функцій створення з "like". Вони створюють тензори з такою ж формою, як у наявного тензора:


              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}")

Все було зрозуміло?

Дякуємо за ваш відгук!

Секція 1. Розділ 3

Запитати АІ

Запитайте про що завгодно або спробуйте одне із запропонованих запитань, щоб почати наш чат

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?

Свайпніть щоб показати меню

Тензори з нулями та одиницями


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


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

Arange та Linspace

Аналогічно до numpy.arange(), torch.arange() генерує послідовність значень із заданим кроком:


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


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

Це створює тензор з 5 рівновіддаленими значеннями між 0 та 1 включно.

Тензор за формою


              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}")

Все було зрозуміло?

Дякуємо за ваш відгук!

Секція 1. Розділ 3

Функції Створення Тензорів

Тензори з нулями та одиницями

Arange та Linspace

Тензор за формою

Awesome!

Функції Створення Тензорів

Тензори з нулями та одиницями

Arange та Linspace

Тензор за формою