Din första torch.tensor
Skapa en tensor och skriv ut dess form och dtype
Din första torch.tensor är en gratis lektion i Deep Learning Academy på CoddyKit. Detta är lektion 4 av 4. Ni kan läsa hela lektionen gratis nedan och sedan öva praktiskt i webbläsaren med en inbyggd kodredigerare och en AI-handledare som är tillgänglig dygnet runt. Den ingår i lärvägen för Deep Learning Academy, och Era framsteg synkroniseras mellan webben och CoddyKit-appen. Kursen i Deep Learning Academy innehåller totalt 4 lektioner.
Möt tensorn
En tensor är PyTorchs centrala databehållare: ett rutnät av tal, ungefär som en NumPy-array, men redo att köras på en GPU. 🧮
Skapa en från en lista
Det enklaste sättet att skapa en tensor är att använda torch.tensor med en Python-lista. PyTorch kopierar dina tal till ett snabbt numeriskt rutnät.
x = torch.tensor([1, 2, 3])Skriv ut den
När du skriver ut en tensor visas dess värden omslutna av tensor(...), så du vet alltid att du tittar på PyTorch-data och inte på en vanlig lista.
print(x)Shape beskriver strukturen
shape anger storleken längs varje dimension. En platt lista med tre värden har shape tre.
print(x.shape)Bygg en 2D-tensor
Bygg ett rutnät genom att nästla listor. Den här matrixen har två rader och tre kolumner, så dess shape är två gånger tre.
m = torch.tensor([[1, 2, 3], [4, 5, 6]])Dtype anger taltypen
Varje tensor har en dtype, alltså vilken sorts tal den lagrar. Heltal blir int64 och decimaltal blir float32 som standard.
print(x.dtype)Decimaltal för träning
Nätverk lär sig med decimaltal, så de flesta modelldata är float32. Lägg till en decimalpunkt, så väljer PyTorch flyttalstyp åt dig.
y = torch.tensor([1.0, 2.0, 3.0])Ange dtype själv
Du kan ange en typ direkt med argumentet dtype, vilket är praktiskt när du behöver flyttal från heltalsindata.
z = torch.tensor([1, 2], dtype=torch.float32)Tensorn fylld med nollor
Behöver du en tom tensor av en viss storlek? torch.zeros fyller den shape du anger med nollor och fungerar perfekt som startbuffert.
torch.zeros(2, 3)Slumpmässiga tensorer
Modellvikter börjar ofta slumpmässigt. torch.rand skapar en tensor med den shape du väljer och fyller den med värden mellan noll och ett.
torch.rand(2, 3)Räkna dimensionerna
Antalet dimensioner är tensorns rank. Läs av det med .ndim: en vektor har rank ett och en matris rank två.
print(m.ndim)Snabb kontroll
Resonera kring shapen hos en tensor som skapats från nästlade listor.
Sammanfattning
Du har skapat tensorer från listor, läst deras shape och dtype samt skapat nollfyllda och slumpmässiga rutnät. Det här är data som deep learning körs på. ✅
Lär dig Python med en AI-lärare – gratis
Skriv och kör riktig kod i webbläsaren, få omedelbar hjälp av en AI-lärare dygnet runt och fortsätt där du slutade – på webben eller i appen.
- Kurser
- 30
- Lektioner
- 120
Vanliga frågor
Är lektionen ”Din första torch.tensor” gratis?
Ja – hela texten till ”Din första torch.tensor” kan läsas gratis här på webben. Om Ni vill öva interaktivt med en inbyggd kodredigerare och en AI-handledare som är tillgänglig dygnet runt och låsa upp resten av kursen i Deep Learning Academy, kan Ni uppgradera till CoddyKit PRO. Kursen i Deep Learning Academy innehåller totalt 4 lektioner.
Vad lär jag mig i ”Din första torch.tensor”?
Skapa en tensor och skriv ut dess form och dtype Ni övar på Deep Learning Academy med praktisk kod som körs direkt i webbläsaren, medan en AI-handledare som är tillgänglig dygnet runt svarar på Era frågor under lektionen.
Behöver jag någon erfarenhet för att börja lära mig Deep Learning Academy?
Du behöver inga förkunskaper. Utbildningen i Deep Learning Academy på CoddyKit är upplagd för allt från nybörjare till avancerade elever, så att du kan börja här eller från början och gå fram i din egen takt. Detta är lektion 4 av 4.
Hur lång tid tar lektionen ”Din första torch.tensor”?
De flesta CoddyKit-lektioner tar cirka 5–10 minuter. Varje lektion är kort och interaktiv, så att du gör stadiga framsteg och kan fortsätta precis där du slutade – på webben eller i appen.
Kan jag skriva och köra kod i den här Deep Learning Academy-lektionen?
Ja. Varje Deep Learning Academy-lektion innehåller en inbyggd kodredigerare, så att du kan skriva och köra riktig kod direkt i webbläsaren och få omedelbar AI-feedback – utan lokal installation.
Alla lektioner i den här kursen
- Installera PyTorch och verifiera importen
- CPU kontra GPU kontra MPS: välj en enhet
- Anteckningsböcker, skript och reproducerbara slumpfrön
- Din första torch.tensor