Uw eerste torch.tensor

Een tensor is de belangrijkste gegevenscontainer van PyTorch: een raster met getallen, vergelijkbaar met een NumPy-array, maar klaar voor uitvoering op een GPU. 🧮

De eenvoudigste manier om een tensor te maken is torch.tensor met een Python-lijst. PyTorch kopieert je getallen naar een snel numeriek raster.

Als je een tensor afdrukt, worden de waarden weergegeven binnen tensor(...). Zo weet je altijd dat je naar PyTorch-gegevens kijkt en niet naar een gewone lijst.

De shape geeft de grootte langs elke dimensie aan. Een platte lijst met drie waarden heeft een shape van drie.

Maak lijsten genest om een raster te maken. Deze matrix heeft twee rijen en drie kolommen, dus de shape is twee bij drie.

Elke tensor heeft een dtype: het soort getallen dat erin wordt opgeslagen. Gehele getallen worden standaard int64 en decimalen float32.

Netwerken leren met decimalen, dus de meeste modelgegevens zijn float32. Voeg een decimaalpunt toe en PyTorch kiest het float-type voor je.

Je kunt rechtstreeks een type aanvragen met het argument dtype. Dat is handig wanneer je floats wilt maken van gehele invoer.

Heb je een lege tensor van een bepaalde grootte nodig? torch.zeros vult de gevraagde shape met nullen, ideaal als startbuffer.

Modelgewichten beginnen vaak willekeurig. torch.rand geeft een tensor met de shape die je kiest, gevuld met waarden tussen nul en één.

Het aantal dimensies is de rank van de tensor. Lees die af met .ndim: een vector heeft rank één en een matrix rank twee.

Je hebt tensors gemaakt van lijsten, hun shape en dtype gelezen en rasters met nullen en willekeurige waarden gemaakt. Hierop draait deep learning. ✅