Pierwszy torch.tensor
Utworzyć tensor i wyświetlić jego kształt oraz dtype
Pierwszy torch.tensor to bezpłatna lekcja Deep Learning Academy na CoddyKit. To lekcja 4 z 4. Możesz przeczytać całą lekcję poniżej za darmo — a potem ćwiczyć ją interaktywnie w przeglądarce z wbudowanym edytorem kodu i tutorem AI dostępnym 24/7. To część ścieżki edukacyjnej Deep Learning Academy, a Twój postęp synchronizuje się między webem a aplikacją CoddyKit. Kurs Deep Learning Academy zawiera 4 lekcji w sumie.
Poznaj tensor
Tensor to podstawowy kontener danych w PyTorch — siatka liczb podobna do tablicy NumPy, ale gotowa do działania na GPU. 🧮
Utwórz tensor z listy
Najprościej utworzyć tensor za pomocą torch.tensor z listy Pythona. PyTorch kopiuje liczby do szybkiej siatki numerycznej.
x = torch.tensor([1, 2, 3])Wyświetl tensor
Wyświetlenie tensora pokazuje jego wartości ujęte w tensor(...), dzięki czemu zawsze wiadomo, że są to dane PyTorch, a nie zwykła lista.
print(x)Shape opisuje strukturę
Wartość shape informuje o rozmiarze wzdłuż każdego wymiaru. Płaska lista trzech wartości ma shape równy trzy.
print(x.shape)Utwórz tensor 2D
Zagnieżdżaj listy, aby utworzyć siatkę. Ta macierz ma dwa wiersze i trzy kolumny, więc jej shape to dwa na trzy.
m = torch.tensor([[1, 2, 3], [4, 5, 6]])Dtype określa typ liczb
Każdy tensor ma wartość dtype, która określa rodzaj przechowywanych liczb. Liczby całkowite domyślnie stają się int64, a dziesiętne — float32.
print(x.dtype)Liczby zmiennoprzecinkowe do trenowania
Sieci uczą się na liczbach dziesiętnych, dlatego większość danych modelu ma typ float32. Wystarczy dodać kropkę dziesiętną, a PyTorch sam wybierze typ zmiennoprzecinkowy.
y = torch.tensor([1.0, 2.0, 3.0])Ustaw dtype samodzielnie
Typ można określić bezpośrednio za pomocą argumentu dtype. Przydaje się to, gdy dane całkowite mają zostać zamienione na liczby zmiennoprzecinkowe.
z = torch.tensor([1, 2], dtype=torch.float32)Tensory pełne zer
Potrzebuje Pan(i) pustego tensora o określonym rozmiarze? torch.zeros wypełnia wskazany kształt zerami, dzięki czemu świetnie nadaje się na bufor początkowy.
torch.zeros(2, 3)Tensory losowe
Wagi modelu często są początkowo losowe. torch.rand tworzy tensor o wybranym kształcie i wypełnia go wartościami od zera do jedności.
torch.rand(2, 3)Policz wymiary
Liczba wymiarów to ranga tensora. Odczytaj ją za pomocą .ndim: wektor ma rangę jeden, a macierz — rangę dwa.
print(m.ndim)Szybkie sprawdzenie
Określ shape tensora utworzonego z zagnieżdżonej listy.
Podsumowanie
Utworzył(a) Pan(i) tensory z list, odczytał(a) ich shape i dtype oraz utworzył(a) siatki zerowe i losowe. Na takich danych działa głębokie uczenie. ✅
Ucz się Python dzięki korepetycjom AI — za darmo
Pisz i uruchamiaj kod w przeglądarce, otrzymuj natychmiastową pomoc od korepetytora AI dostępnego 24/7 i kontynuuj naukę w sieci lub w aplikacji.
- Kursy
- 30
- Lekcje
- 120
Często zadawane pytania
Czy lekcja „Pierwszy torch.tensor” jest bezpłatna?
Tak — pełny tekst „Pierwszy torch.tensor” jest dostępny za darmo tutaj w sieci. Aby ćwiczyć ją interaktywnie (wbudowany edytor kodu i tutor AI dostępny 24/7) i odblokować resztę kursu Deep Learning Academy, przejdź na CoddyKit PRO. Kurs Deep Learning Academy zawiera 4 lekcji w sumie.
Co nauczysz się w „Pierwszy torch.tensor”?
Utworzyć tensor i wyświetlić jego kształt oraz dtype Ćwiczysz Deep Learning Academy z praktycznym kodem, który uruchamiasz bezpośrednio w przeglądarce, a tutor AI dostępny 24/7 odpowiada na Twoje pytania podczas pracy nad lekcją.
Czy potrzebuję doświadczenia, aby zacząć Deep Learning Academy?
Nie wymagamy żadnego doświadczenia. Deep Learning Academy w CoddyKit jest strukturyzowany dla początkujących i zaawansowanych użytkowników, więc możesz zacząć tutaj lub od początku i uczyć się w swoim tempie. To lekcja 4 z 4.
Ile czasu zajmuje lekcja „Pierwszy torch.tensor”?
Większość lekcji CoddyKit trwa około 5–10 minut. Każda lekcja to mały, interaktywny krok, dzięki czemu robisz systematyczne postępy i zawsze wracasz dokładnie do tego samego miejsca — na webie i w aplikacji.
Czy mogę pisać i uruchamiać kod w tej lekcji Deep Learning Academy?
Tak. Każda lekcja Deep Learning Academy zawiera wbudowany edytor kodu, więc piszesz i uruchamiasz prawdziwy kod bezpośrednio w przeglądarce i od razu otrzymujesz sprzężenie zwrotne od AI — bez konfiguracji na komputerze.
Wszystkie lekcje w tym kursie
- Zainstalować PyTorch i sprawdzić import
- CPU, GPU czy MPS: wybrać urządzenie
- Notatniki, skrypty i powtarzalne ziarna losowości
- Pierwszy torch.tensor