Votre premier torch.tensor
Créez un tenseur et affichez sa forme et son type.
Votre premier torch.tensor est une leçon Deep Learning Academy gratuite sur CoddyKit. Ceci est la leçon 4 sur 4. Tu peux lire la leçon complète ci-dessous gratuitement — puis la pratiquer en direct dans le navigateur avec un éditeur de code intégré et un tuteur IA 24/7. Elle fait partie du parcours d'apprentissage Deep Learning Academy, et ta progression se synchronise sur le web et l'application CoddyKit. Le cours Deep Learning Academy comprend 4 leçons au total.
Certaines parties de cette leçon n'ont pas encore été traduites et s'affichent en anglais.
Meet the Tensor
A tensor is PyTorch's core data container, a grid of numbers much like a NumPy array but ready to run on a GPU. 🧮
Create One from a List
The simplest way to make a tensor is torch.tensor from a Python list. PyTorch copies your numbers into a fast numerical grid.
x = torch.tensor([1, 2, 3])Print It Out
Printing a tensor shows its values wrapped in tensor(...), so you always know you are looking at PyTorch data, not a plain list.
print(x)Shape Describes Structure
The shape tells you the size along each dimension. A flat list of three values has a shape of three.
print(x.shape)Build a 2D Tensor
Nest lists to make a grid. This matrix has two rows and three columns, so its shape reads as two by three.
m = torch.tensor([[1, 2, 3], [4, 5, 6]])Dtype Is the Number Type
Every tensor has a dtype, the kind of number it stores. Whole numbers become int64, decimals become float32 by default.
print(x.dtype)Floats for Training
Networks learn with decimals, so most model data is float32. Add a decimal point and PyTorch picks the float type for you.
y = torch.tensor([1.0, 2.0, 3.0])Set the Dtype Yourself
You can request a type directly with the dtype argument, which is handy when you need floats from integer input.
z = torch.tensor([1, 2], dtype=torch.float32)Tensors Full of Zeros
Need a blank tensor of a given size? torch.zeros fills the shape you ask for with zeros, perfect as a starting buffer.
torch.zeros(2, 3)Random Tensors
Model weights often start random. torch.rand gives a tensor of the shape you choose, filled with values between zero and one.
torch.rand(2, 3)Count the Dimensions
The number of dimensions is the tensor's rank. Read it with .ndim: a vector is rank one, a matrix is rank two.
print(m.ndim)Quick Check
Reason about the shape of a nested-list tensor.
Recap
You created tensors from lists, read their shape and dtype, and made zeros and random grids. This is the data deep learning runs on. ✅
Questions Fréquemment Posées
La leçon « Votre premier torch.tensor » est-elle gratuite ?
Oui — le texte complet de « Votre premier torch.tensor » est gratuit à lire ici sur le web. Pour la pratiquer de manière interactive (un éditeur de code intégré et un tuteur IA 24/7) et déverrouiller le reste du cours Deep Learning Academy, passe à CoddyKit PRO. Le cours Deep Learning Academy comprend 4 leçons au total.
Qu'est-ce que j'apprendrai dans « Votre premier torch.tensor » ?
Créez un tenseur et affichez sa forme et son type. Tu pratiques Deep Learning Academy avec du code pratique que tu exécutes directement dans le navigateur, et un tuteur IA 24/7 répond à tes questions au fur et à mesure que tu avances dans la leçon.
Dois-je avoir de l'expérience pour commencer Deep Learning Academy ?
Aucune expérience préalable n'est requise. Deep Learning Academy sur CoddyKit est structuré pour les débutants jusqu'aux apprenants avancés, donc tu peux commencer ici ou depuis le début et avancer à ton rythme. Ceci est la leçon 4 sur 4.
Combien de temps prend la leçon « Votre premier torch.tensor » ?
La plupart des leçons CoddyKit prennent environ 5–10 minutes. Chacune est courte et interactive, tu progresses régulièrement et tu repiques exactement où tu t'es arrêté sur le web et l'app.
Peux-tu écrire et exécuter du code dans cette leçon Deep Learning Academy ?
Oui. Chaque leçon Deep Learning Academy inclut un éditeur de code intégré, tu écris et exécutes du vrai code directement dans ton navigateur et tu reçois des retours IA instantanés — aucune configuration locale requise.
Toutes les leçons de ce cours
- Installer PyTorch et vérifier son importation
- CPU ou GPU ou MPS : choisissez un appareil
- Notebooks, scripts et graines reproductibles
- Votre premier torch.tensor