Ensimmäinen torch.tensor
Luokaa tensori ja tulostakaa sen muoto ja dtype
Ensimmäinen torch.tensor on ilmainen Deep Learning Academy-oppitunti CoddyKitissä. Tämä on oppitunti 4/4. Voit lukea koko oppitunnin alta ilmaiseksi ja harjoitella sen jälkeen käytännössä selaimessa sisäänrakennetulla koodieditorilla ja ympäri vuorokauden käytettävissä olevan tekoälytuutorin avulla. Oppitunti kuuluu Deep Learning Academy-oppimispolkuun, ja edistymisesi synkronoituu verkon ja CoddyKit-sovelluksen välillä. Deep Learning Academy-kurssilla on yhteensä 4 oppituntia.
Tutustu tensoriin
Tensori on PyTorchin keskeinen datakontti: lukuruudukko, joka muistuttaa NumPy-taulukkoa mutta voidaan suorittaa GPU:lla. 🧮
Luo tensori listasta
Yksinkertaisin tapa luoda tensori on käyttää Python-listasta muodostettavaa torch.tensor-tensoria. PyTorch kopioi luvut nopeaan numeeriseen ruudukkoon.
x = torch.tensor([1, 2, 3])Tulosta se
Tensorin tulostaminen näyttää sen arvot muodossa tensor(...), joten tiedät aina tarkastelevasi PyTorch-dataa etkä tavallista listaa.
print(x)Shape kuvaa rakennetta
Shape kertoo koon jokaisella ulottuvuudella. Kolmen arvon yksiulotteisen listan shape on kolme.
print(x.shape)Luo 2D-tensori
Upota listoja toistensa sisään ruudukon luomiseksi. Tässä matriisissa on kaksi riviä ja kolme saraketta, joten sen shape on kaksi kertaa kolme.
m = torch.tensor([[1, 2, 3], [4, 5, 6]])Dtype kertoo lukutyypin
Jokaisella tensorilla on dtype eli sen sisältämien lukujen tyyppi. Kokonaisluvuista tulee oletuksena int64-lukuja ja desimaaleista float32-lukuja.
print(x.dtype)Liukuluvut koulutukseen
Verkot oppivat desimaaliluvuilla, joten suurin osa mallin datasta on tyyppiä float32. Lisää desimaalipiste, niin PyTorch valitsee liukulukutyypin puolestasi.
y = torch.tensor([1.0, 2.0, 3.0])Aseta dtype itse
Voit pyytää tyypin suoraan dtype-argumentilla. Tämä on kätevää, kun tarvitset liukulukuja kokonaislukusyötteestä.
z = torch.tensor([1, 2], dtype=torch.float32)Nollia täynnä olevat tensorit
Tarvitsetko tietyn kokoisen tyhjän tensorin? torch.zeros täyttää pyytämäsi shapen nollilla, joten se sopii erinomaisesti lähtöpuskuriin.
torch.zeros(2, 3)Satunnaiset tensorit
Mallin painot alustetaan usein satunnaisesti. torch.rand luo valitsemasi shapen tensorin ja täyttää sen nollan ja yhden välisillä arvoilla.
torch.rand(2, 3)Laske ulottuvuudet
Ulottuvuuksien määrä on tensorin rank. Lue se komennolla .ndim: vektorin rank on yksi ja matriisin kaksi.
print(m.ndim)Pikatarkistus
Päättele sisäkkäisistä listoista muodostetun tensorin shape.
Kertaus
Loitte tensorit listoista, luit niiden shapen ja dtypen sekä loitte nolla- ja satunnaisruudukoita. Tämän datan päällä syväoppiminen toimii. ✅
Opi Python tekoälytuutorin avulla — ilmaiseksi
Kirjoita ja suorita oikeaa koodia selaimessa, saa välitöntä apua tekoälytuutorilta ympäri vuorokauden ja jatka siitä, mihin jäit, verkossa tai sovelluksessa.
- Kurssit
- 30
- Oppitunnit
- 120
Usein kysytyt kysymykset
Onko oppitunti ”Ensimmäinen torch.tensor” ilmainen?
Kyllä – oppitunnin ”Ensimmäinen torch.tensor” koko tekstin voi lukea täällä verkossa ilmaiseksi. Jos haluat harjoitella interaktiivisesti sisäänrakennetulla koodieditorilla ja ympäri vuorokauden käytettävissä olevan tekoälytuutorin avulla sekä avata koko Deep Learning Academy-kurssin, päivitä CoddyKit PROhon. Deep Learning Academy-kurssilla on yhteensä 4 oppituntia.
Mitä opin oppitunnilla ”Ensimmäinen torch.tensor”?
Luokaa tensori ja tulostakaa sen muoto ja dtype Harjoittelet Deep Learning Academy-aihetta koodilla, jonka suoritat suoraan selaimessa. Ympäri vuorokauden käytettävissä oleva tekoälytuutori vastaa kysymyksiisi oppitunnin aikana.
Tarvitsenko kokemusta aloittaakseni Deep Learning Academy-opiskelun?
Aiempi kokemus ei ole tarpeen. CoddyKitin Deep Learning Academy-oppimispolku sopii vasta-alkajista edistyneisiin, joten voit aloittaa tästä tai alusta ja edetä omaan tahtiisi. Tämä on oppitunti 4/4.
Kuinka kauan ”Ensimmäinen torch.tensor”-oppitunnin suorittaminen kestää?
Useimmat CoddyKitin oppitunnit kestävät noin 5–10 minuuttia. Jokainen oppitunti on lyhyt ja interaktiivinen, joten edistyt tasaisesti ja voit jatkaa siitä, mihin jäit – sekä verkossa että sovelluksessa.
Voinko kirjoittaa ja suorittaa koodia tällä Deep Learning Academy-oppitunnilla?
Kyllä. Jokainen Deep Learning Academy-oppitunti sisältää sisäänrakennetun koodieditorin, joten voit kirjoittaa ja suorittaa oikeaa koodia suoraan selaimessa ja saada välitöntä palautetta tekoälyltä – paikallista asennusta ei tarvita.
Kaikki tämän kurssin oppitunnit
- Asentakaa PyTorch ja varmistakaa tuonnin toimivuus
- CPU vs. GPU vs. MPS: valitkaa laite
- Muistikirjat, skriptit ja toistettavat siemenluvut
- Ensimmäinen torch.tensor