În PyTorch, tensorul multidimensional este structura centrală de date peste care se construiesc toate calculele și modelele de deep learning. Inițializarea corectă a tensorilor cu tipul de date (dtype) și dispozitivul țintă (device) evită conversiile costisitoare în bucla de antrenare.
import torch
# Tensori de zerouri și unuri
zeros = torch.zeros((2, 3), dtype=torch.float32)
ones = torch.ones((2, 3), dtype=torch.int64)
# Secvențe numerice uniforme
secventa = torch.arange(start=0, end=10, step=2) # [0, 2, 4, 6, 8]
puncte = torch.linspace(start=0.0, end=1.0, steps=5)
# Tensori aleatori din distribuție normală gaussiană N(0, 1)
zgomot = torch.randn((3, 3), device="cuda" if torch.cuda.is_available() else "cpu")
print("Tensor generat:", zgomot.shape)Specificarea dispozitivului încă din momentul creării previne transferul inutil al tensorului prin magistrala PCIe între memoria RAM a procesorului și memoria VRAM a acceleratorului GPU.
Întrebări & Exemple practice:
Crearea Tensorilor: zeros, ones, arange, linspace și randnAi o întrebare despre Crearea Tensorilor: zeros, ones, arange, linspace și randn sau ai descoperit un truc, prompt sau fragment de cod util? Distribuie-l cu ceilalți membri ai comunității!
Fii primul care pune o întrebare sau distribuie un fragment de cod / prompt!
Nu au fost adăugate încă întrebări sau resurse pentru această pagină. Dacă ai testat un prompt sau ai un snippet util, adaugă-l mai jos pentru comunitate.