Вступ до Тензорів
Що таке тензор?
Ви вже знайомі з деякими особливими випадками тензорів:
- Скаляр (0D тензор): одне число, наприклад
5або3.14; - Вектор (1D тензор): список чисел, наприклад
[1, 2, 3]; - Матриця (2D тензор): двовимірна сітка чисел, як таблиця з рядками та стовпцями.
Тензори вищих вимірів (3D, 4D тощо) розширюють поняття матриць на додаткові виміри. Наприклад, 3D тензор може представляти зображення з висотою, шириною та кольоровими каналами.
Хоча термінологія може здатися складною на перший погляд, основна ідея полягає в тому, що тензори — це просто контейнери для числових даних, подібно до масивів NumPy.
Тензори в PyTorch та масиви NumPy
Тензори PyTorch у багатьох аспектах поводяться подібно до масивів NumPy. Крім того, індексація та зрізи у тензорах працюють так само, як і в масивах NumPy, тому ці теми не розглядатимуться в цьому курсі.
Однак тензори PyTorch мають додаткові переваги, зокрема:
- Вбудована підтримка прискорення на GPU;
- Інтеграція з модулями глибокого навчання PyTorch;
- Сумісність з autograd — інструментом автоматичного диференціювання PyTorch для зворотного поширення помилки.
Створення тензорів
PyTorch надає кілька способів створення тензорів. Один із найпростіших підходів — створити тензор із списку або масиву NumPy. Рекомендований спосіб — передати дані у функцію torch.tensor():
1234import torch data = [[1, 2], [3, 4]] tensor = torch.tensor(data) print(tensor)
Swipe to start coding
Створення тривимірного тензора безпосередньо з тривимірного списку без збереження списку в окремій змінній. Тензор може мати будь-які розміри та містити довільні елементи.
Рішення
Дякуємо за ваш відгук!
single
Запитати АІ
Запитати АІ
Запитайте про що завгодно або спробуйте одне із запропонованих запитань, щоб почати наш чат
What are some real-world examples of tensors?
How do higher-dimensional tensors work in practice?
Can you explain the difference between PyTorch tensors and NumPy arrays in more detail?
Awesome!
Completion rate improved to 5Вступ до Тензорів
Свайпніть щоб показати меню
Що таке тензор?
Ви вже знайомі з деякими особливими випадками тензорів:
- Скаляр (0D тензор): одне число, наприклад
5або3.14; - Вектор (1D тензор): список чисел, наприклад
[1, 2, 3]; - Матриця (2D тензор): двовимірна сітка чисел, як таблиця з рядками та стовпцями.
Тензори вищих вимірів (3D, 4D тощо) розширюють поняття матриць на додаткові виміри. Наприклад, 3D тензор може представляти зображення з висотою, шириною та кольоровими каналами.
Хоча термінологія може здатися складною на перший погляд, основна ідея полягає в тому, що тензори — це просто контейнери для числових даних, подібно до масивів NumPy.
Тензори в PyTorch та масиви NumPy
Тензори PyTorch у багатьох аспектах поводяться подібно до масивів NumPy. Крім того, індексація та зрізи у тензорах працюють так само, як і в масивах NumPy, тому ці теми не розглядатимуться в цьому курсі.
Однак тензори PyTorch мають додаткові переваги, зокрема:
- Вбудована підтримка прискорення на GPU;
- Інтеграція з модулями глибокого навчання PyTorch;
- Сумісність з autograd — інструментом автоматичного диференціювання PyTorch для зворотного поширення помилки.
Створення тензорів
PyTorch надає кілька способів створення тензорів. Один із найпростіших підходів — створити тензор із списку або масиву NumPy. Рекомендований спосіб — передати дані у функцію torch.tensor():
1234import torch data = [[1, 2], [3, 4]] tensor = torch.tensor(data) print(tensor)
Swipe to start coding
Створення тривимірного тензора безпосередньо з тривимірного списку без збереження списку в окремій змінній. Тензор може мати будь-які розміри та містити довільні елементи.
Рішення
Перейдіть на комп'ютер для реальної практикиПродовжуйте з того місця, де ви зупинились, використовуючи один з наведених нижче варіантівДякуємо за ваш відгук!
Awesome!
Completion rate improved to 5single
