Su primer torch.tensor

Un tensor es el contenedor de datos principal de PyTorch: una cuadrícula de números, similar a un array de NumPy, pero preparada para ejecutarse en una GPU. 🧮

La forma más sencilla de crear un tensor es usar torch.tensor a partir de una lista de Python. PyTorch copia sus números en una cuadrícula numérica rápida.

Al mostrar un tensor, sus valores aparecen dentro de tensor(...), para que siempre sepa que está viendo datos de PyTorch y no una lista normal.

La forma indica el tamaño de cada dimensión. Una lista plana de tres valores tiene una forma de tres.

Anide listas para crear una cuadrícula. Esta matriz tiene dos filas y tres columnas, por lo que su forma es de dos por tres.

Cada tensor tiene un dtype, que indica el tipo de números que almacena. Los números enteros se convierten en int64 y los decimales, en float32 de forma predeterminada.

Las redes aprenden con números decimales, por lo que la mayoría de los datos de los modelos son float32. Añada un punto decimal y PyTorch elegirá automáticamente el tipo de coma flotante.

Puede solicitar directamente un tipo mediante el argumento dtype, lo que resulta útil cuando necesita números de coma flotante a partir de una entrada de enteros.

¿Necesita un tensor vacío de un tamaño determinado? torch.zeros rellena con ceros la forma que indique, perfecto como búfer inicial.

Los pesos del modelo suelen comenzar con valores aleatorios. torch.rand proporciona un tensor con la forma que elija, rellenado con valores entre cero y uno.

El número de dimensiones es el rango del tensor. Puede consultarlo con .ndim: un vector tiene rango uno y una matriz, rango dos.

Ha creado tensores a partir de listas, ha consultado su forma y dtype, y ha creado cuadrículas de ceros y aleatorias. Estos son los datos sobre los que se ejecuta el aprendizaje profundo. ✅