Введение в PyTorch – тензоры и тензорные вычисления
Ввод в PyTorch тензоры и тензорные вычисления
Узнайте о тензорах и как их использовать в одной из самых известных библиотек глубокого обучения, pytorch
Одна из самых важных библиотек в области глубокого обучения (и одна из основных основ, на которой построена ChatGPT) – это pytorch
. Вместе с фреймворком Tensorflow pytorch
является одним из самых известных фреймворков для обучения нейронных сетей, доступных для разработчиков программного обеспечения и ученых-исследователей данных. Помимо простоты использования и удобного API, он отличается гибкостью и экономичным использованием памяти, что делает его чрезвычайно быстрым в многомерных вычислениях (одна из основных составляющих метода обратного распространения ошибки, важной техники, используемой для оптимизации весов нейронной сети) – все это делает его одной из самых востребованных библиотек при создании моделей глубокого обучения.
В этом блоге мы собираемся ознакомиться с некоторыми базовыми операциями, используя pytorch
и разобраться, как мы можем работать с объектом tensor
! Тензоры – это математические представления данных, которые обычно называются различными названиями:
- Tензор с одним элементом: обычно называется скаляром и состоит из одного математического значения.
- 1-мерный тензор: состоящий из n примеров, обычно называется 1-мерными векторами и хранит различные математические элементы в одном измерении.
- 2-мерные тензоры: обычно называются матрицами и могут хранить данные в двух измерениях. Подумайте о нормальной таблице SQL или электронной таблице Excel.
- 3-мерные тензоры и выше: данные, организованные с такой размерностью, обычно сложнее визуализировать и обычно называются n-мерными тензорами.
После этого небольшого введения в математические концепции давайте изучим, как использовать pytorch
в Python!
Объект Tensor
Как мы уже описали, тензор – это математическое обобщение n-мерных объектов, которые могут расширяться до практически любой размерности. Хотя в контексте глубокого обучения тензоры
обычно многомерны, мы также можем создавать тензоры с одним элементом (обычно называемые скалярами) с помощью torch
(хотя имя pytorch
, мы используем имя torch
для работы с библиотекой на Python).