Тензоры в PyTorch: структура данных, лежащая в основе глубокого обучения

Тензоры — это основная структура данных в PyTorch. Они используются для хранения данных, выполнения математических операций, переноса вычислений между ЦП и ГП, а также для создания основы нейронных сетей. В этом уроке мы познакомимся с тензорами PyTorch с нуля. Мы создадим одномерные и двумерные тензоры, рассмотрим форму тензора, тип данных и устройство, а затем пройдемся по распространенным операциям с тензорами, включая сложение, умножение на скаляр, поэлементное умножение, умножение матриц, широковещательную передачу, изменение формы, операции редукции и индексацию. Мы также рассмотрим поддержку ГП в PyTorch и покажем, как тензоры можно перенести в CUDA, если доступен совместимый ГП. Рассматриваемые темы: Что такое тензоры Создание тензоров с помощью `torch.tensor()` Форма, тип данных и устройство тензора Сложение тензоров и операции на месте Скалярное, поэлементное и матричное умножение Широковещательная рассылка Изменение формы тензоров Операции суммирования, вычисления среднего и максимального значения Булево маскирование и индексирование Перемещение тензоров между ЦП и ГП Это практическое введение для программистов на Python, которые хотят понять базовую структуру данных, лежащую в основе PyTorch и глубокого обучения. Поддержите Socratica на Patreon:   / socratica