Deep Learning Academy · Урок

Ваш первый torch.tensor

Создайте тензор и выведите его форму и тип данных

«Ваш первый torch.tensor» — бесплатный урок Deep Learning Academy на CoddyKit. Это урок 4 из 4. Ты можешь прочитать весь урок бесплатно ниже — а потом практиковать его прямо в браузере с встроенным редактором кода и ИИ-репетитором 24/7. Это часть пути обучения Deep Learning Academy, и твой прогресс синхронизируется между веб-версией и приложением CoddyKit. Курс Deep Learning Academy содержит 4 уроков всего.

Части этого урока еще не переведены и отображаются на английском.

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. ✅

Часто задаваемые вопросы

Урок «Ваш первый torch.tensor» бесплатный?

Да — полный текст урока «Ваш первый torch.tensor» бесплатно доступен здесь в веб-версии. Чтобы практиковать его интерактивно (встроенный редактор кода и ИИ-репетитор 24/7) и разблокировать остальной курс Deep Learning Academy, подпишись на CoddyKit PRO. Курс Deep Learning Academy содержит 4 уроков всего.

Чему я научусь в уроке «Ваш первый torch.tensor»?

Создайте тензор и выведите его форму и тип данных Ты практикуешь Deep Learning Academy с помощью реального кода, который запускаешь прямо в браузере, и ИИ-репетитор 24/7 отвечает на твои вопросы во время урока.

Нужен ли мне опыт, чтобы начать Deep Learning Academy?

Предыдущий опыт не требуется. Deep Learning Academy на CoddyKit структурирован для всех уровней — от новичков до продвинутых, поэтому ты можешь начать отсюда или с самого начала и учиться в своем темпе. Это урок 4 из 4.

Сколько времени занимает урок «Ваш первый torch.tensor»?

Большинство уроков CoddyKit занимают около 5–10 минут. Каждый из них компактный и интерактивный, поэтому ты постоянно делаешь прогресс и продолжаешь с того же места в веб-версии и приложении.

Можно ли писать и запускать код в этом уроке Deep Learning Academy?

Да. Каждый урок Deep Learning Academy включает встроенный редактор кода, поэтому ты пишешь и запускаешь реальный код прямо в браузере и получаешь моментальную обратную связь от AI — локальная установка не требуется.

Все уроки этого курса

← Назад к Deep Learning Academy