torch.tensor Pertama Anda
Buat tensor lalu cetak bentuk dan dtype-nya
torch.tensor Pertama Anda adalah pelajaran Deep Learning Academy gratis di CoddyKit. Ini adalah pelajaran 4 dari 4. Kamu bisa membaca pelajaran lengkapnya di bawah secara gratis — lalu praktikkan langsung di browser dengan editor kode bawaan dan tutor AI 24/7. Ini adalah bagian dari jalur belajar Deep Learning Academy, dan progresmu tersinkronisasi di web dan aplikasi CoddyKit. Kursus Deep Learning Academy mencakup 4 pelajaran total.
Bagian dari pelajaran ini belum diterjemahkan dan ditampilkan dalam bahasa Inggris.
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. ✅
Pertanyaan yang Sering Diajukan
Apakah pelajaran “torch.tensor Pertama Anda” gratis?
Ya — teks lengkap “torch.tensor Pertama Anda” gratis dibaca di sini di web. Untuk praktiknya secara interaktif (editor kode bawaan dan tutor AI 24/7) dan buka sisa kursus Deep Learning Academy, upgrade ke CoddyKit PRO. Kursus Deep Learning Academy mencakup 4 pelajaran total.
Apa yang akan aku pelajari di “torch.tensor Pertama Anda”?
Buat tensor lalu cetak bentuk dan dtype-nya Kamu berlatih Deep Learning Academy dengan kode praktik yang langsung kamu jalankan di browser, dan tutor AI 24/7 menjawab pertanyaanmu saat kamu mengerjakan pelajaran ini.
Apakah aku perlu pengalaman untuk memulai Deep Learning Academy?
Tidak diperlukan pengalaman sebelumnya. Deep Learning Academy di CoddyKit dirancang untuk pemula hingga pelajar tingkat lanjut, jadi kamu bisa memulai di sini atau dari awal dan belajar sesuai kecepatan kamu sendiri. Ini adalah pelajaran 4 dari 4.
Berapa lama pelajaran “torch.tensor Pertama Anda” memakan waktu?
Sebagian besar pelajaran CoddyKit memakan waktu sekitar 5–10 menit. Setiap pelajaran ringkas dan interaktif, jadi kamu membuat kemajuan stabil dan melanjutkan dari tempat kamu tinggalkan di web dan aplikasi.
Bisakah aku menulis dan menjalankan kode dalam pelajaran Deep Learning Academy ini?
Ya. Setiap pelajaran Deep Learning Academy menyertakan editor kode bawaan, jadi kamu menulis dan menjalankan kode nyata langsung di browser dan mendapatkan umpan balik AI instan — tidak diperlukan penyiapan lokal.
Semua pelajaran dalam kursus ini
- Pasang PyTorch dan Verifikasi Impornya
- CPU vs GPU vs MPS: Pilih Perangkat
- Notebook, Skrip, dan Seed yang Dapat Direproduksi
- torch.tensor Pertama Anda