Din første torch.tensor
Opprett en tensor og skriv ut formen og dtype-en
Din første torch.tensor er en gratis leksjon i Deep Learning Academy på CoddyKit. Dette er leksjon 4 av 4. Du kan lese hele leksjonen gratis nedenfor – og deretter øve praktisk i nettleseren med en innebygd kodeeditor og en AI-veileder som er tilgjengelig døgnet rundt. Den er en del av læringsløpet i Deep Learning Academy, og fremdriften din synkroniseres mellom nettet og CoddyKit-appen. Kurset i Deep Learning Academy inneholder totalt 4 leksjoner.
Møt tensoren
En tensor er PyTorchs sentrale datakontainer, et rutenett med tall som ligner på en NumPy-tabell, men som er klar til å kjøres på en GPU. 🧮
Opprett en fra en liste
Den enkleste måten å lage en tensor på er å bruke torch.tensor med en Python-liste. PyTorch kopierer tallene dine inn i et raskt numerisk rutenett.
x = torch.tensor([1, 2, 3])Skriv den ut
Når du skriver ut en tensor, vises verdiene omsluttet av tensor(...), slik at du alltid vet at du ser PyTorch-data og ikke en vanlig liste.
print(x)Shape beskriver strukturen
shape forteller deg størrelsen langs hver dimensjon. En flat liste med tre verdier har shape lik tre.
print(x.shape)Bygg en 2D-tensor
Bygg et rutenett ved å legge lister inni hverandre. Denne matrisen har to rader og tre kolonner, så shape leses som to ganger tre.
m = torch.tensor([[1, 2, 3], [4, 5, 6]])Dtype er talltypen
Alle tensorer har en dtype, altså typen tall de lagrer. Heltall blir int64, mens desimaltall som standard blir float32.
print(x.dtype)Desimaltall til trening
Nettverk lærer med desimaltall, så det meste av modelldata er float32. Legg til et desimaltegn, så velger PyTorch flyttallstypen for deg.
y = torch.tensor([1.0, 2.0, 3.0])Angi dtype selv
Du kan be om en bestemt type direkte med argumentet dtype. Det er nyttig når du trenger flyttall fra heltallsdata.
z = torch.tensor([1, 2], dtype=torch.float32)Tensorer fulle av nuller
Trenger du en tom tensor med en bestemt størrelse? torch.zeros fyller formen du angir med nuller, noe som er perfekt som startbuffer.
torch.zeros(2, 3)Tilfeldige tensorer
Modellvekter starter ofte tilfeldig. torch.rand gir deg en tensor med formen du velger, fylt med verdier mellom null og én.
torch.rand(2, 3)Tell dimensjonene
Antallet dimensjoner er tensorens rank. Les den med .ndim: en vektor har rank én, og en matrise har rank to.
print(m.ndim)Hurtigsjekk
Resonner deg frem til formen på en tensor laget av nøstede lister.
Oppsummering
Du har opprettet tensorer fra lister, lest shape og dtype, og laget rutenett med nuller og tilfeldige verdier. Dette er dataene dyp læring kjører på. ✅
Lær deg Python med en AI-veileder – gratis
Skriv og kjør ekte kode i nettleseren, få umiddelbar hjelp fra en AI-veileder som er tilgjengelig døgnet rundt, og fortsett der du slapp – på nettet eller i appen.
- Kurs
- 30
- Leksjoner
- 120
Ofte stilte spørsmål
Er leksjonen «Din første torch.tensor» gratis?
Ja – hele teksten i «Din første torch.tensor» er gratis å lese her på nettet. For å øve interaktivt med en innebygd kodeeditor og en AI-veileder som er tilgjengelig døgnet rundt, og for å låse opp resten av Deep Learning Academy-kurset, kan du oppgradere til CoddyKit PRO. Kurset i Deep Learning Academy inneholder totalt 4 leksjoner.
Hva lærer jeg i «Din første torch.tensor»?
Opprett en tensor og skriv ut formen og dtype-en Du øver på Deep Learning Academy med praktisk kode som du kjører direkte i nettleseren, mens en AI-veileder som er tilgjengelig døgnet rundt, svarer på spørsmålene dine mens du jobber deg gjennom leksjonen.
Trenger jeg erfaring for å begynne med Deep Learning Academy?
Ingen tidligere erfaring er nødvendig. Deep Learning Academy på CoddyKit er lagt opp for både nybegynnere og viderekomne, så De kan begynne her eller helt fra start og lære i Deres eget tempo. Dette er leksjon 4 av 4.
Hvor lang tid tar leksjonen «Din første torch.tensor»?
De fleste CoddyKit-leksjoner tar omtrent 5–10 minutter. Hver leksjon er kort og interaktiv, slik at De gjør jevne fremskritt og kan fortsette akkurat der De slapp – både på nettet og i appen.
Kan jeg skrive og kjøre kode i denne Deep Learning Academy-leksjonen?
Ja. Alle Deep Learning Academy-leksjoner har en innebygd kodeeditor, slik at De kan skrive og kjøre ekte kode direkte i nettleseren og få umiddelbar tilbakemelding fra AI – uten lokal konfigurering.
Alle leksjonene i dette kurset
- Installer PyTorch og bekreft at det importeres
- CPU vs. GPU vs. MPS: Velg en enhet
- Notatbøker, skript og reproduserbare frø
- Din første torch.tensor