Maschinelles Lernen mit Python Kochbuch, 2.

Kapitel 20. Tensoren mit PyTorch

Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: [e-mail]

20.0 Einleitung

Genauso wie NumPy ein grundlegendes Werkzeug für die Datenmanipulation im Machine Learning Stack ist, ist PyTorch ein grundlegendes Werkzeug für die Arbeit mit Tensoren im Deep Learning Stack. Bevor wir uns dem Deep Learning zuwenden, sollten wir uns mit PyTorch-Tensoren vertraut machen und viele Operationen durchführen, die denen mit NumPy in Kapitel 1 entsprechen.

Obwohl PyTorch nur eine von mehreren Deep-Learning-Bibliotheken ist, erfreut sie sich sowohl im akademischen Bereich als auch in der Industrie großer Beliebtheit. PyTorch-Tensoren sind den NumPy-Arrays sehr ähnlich. Sie ermöglichen es uns aber auch, Tensoroperationen auf GPUs (Hardware, die auf Deep Learning spezialisiert ist) durchzuführen. In diesem Kapitel machen wir uns mit den Grundlagen von PyTorch-Tensoren und vielen gängigen Low-Level-Operationen vertraut.

20.1 Einen Tensor erstellen

Problem

Du musst einen Tensor erstellen.

Lösung

Verwende Pytorch, um einen Tensor zu erstellen:

# Load library
import torch

# Create a vector as a row
tensor_row = torch.tensor([1, 2, 3])

# Create a vector as a column
tensor_column = torch.tensor(
    [
        [1],
        [2],
        [3]
    ]
)

Diskussion

Die wichtigste Datenstruktur in PyTorch ist ein Tensor, und in vielerlei Hinsicht sind Tensoren genau wie die mehrdimensionalen NumPy-Arrays, die in Kapitel 1 verwendet ...