Tenzori su višedimenzionalni nizovi koji se naširoko koriste u raznim područjima kao što su strojno učenje, duboko učenje i računalni vid. Često postaje bitno znati dimenzije ili oblik tenzora za izvođenje operacija poput preoblikovanja, emitiranja i tako dalje. U ovom ćemo članku zaroniti u proces dobivanja dimenzija tenzora pomoću Pythona, uz objašnjenje koda korak po korak, i istražiti neke povezane biblioteke i funkcije koje igraju ključnu ulogu u manipulaciji tenzorima.
Kako bismo riješili problem dobivanja tenzorskih dimenzija, koristit ćemo široko popularnu biblioteku numpy i njegova ugrađena funkcija oblikovati. Za početak, prvo uvezimo biblioteku NumPy i stvorimo uzorak tenzora.
import numpy as np tensor = np.array([[[1, 2, 3], [4, 5, 6]], [[7, 8, 9], [10, 11, 12]]])
Sada kada imamo naš tenzor, možemo bez napora dobiti njegove dimenzije pomoću oblikovati atribut.
tensor_dimensions = tensor.shape print("Tensor dimensions:", tensor_dimensions)
Ovaj bi isječak koda ispisao sljedeće:
"`
Dimenzije tenzora: (2, 2, 3)
"`
Varijabla tensor_dimensions sada sadrži dimenzije našeg tenzora u formatu torke (2, 2, 3). Za daljnje razumijevanje dobivenog rezultata, raščlanimo kod korak po korak.
NumPy biblioteka
- numpy je snažna Python biblioteka koja pruža podršku za rad s velikim, višedimenzionalnim nizovima i matricama. Dolazi s zbirkom matematičkih funkcija za izvođenje operacija nad tim nizovima.
- Postao je baza za razne znanstvene računalne pakete i biblioteke, posebno u području strojnog učenja i analize podataka.
Stvaranje tenzora s NumPyjem
U našem primjeru, stvorili smo 3D tenzor koristeći np.niz funkcija. Ova funkcija uzima popis popisa (ili drugih struktura sličnih nizu) kao ulaz i pretvara ga u višedimenzionalni niz ili tenzor.
tensor = np.array([[[1, 2, 3], [4, 5, 6]], [[7, 8, 9], [10, 11, 12]]])
Kreirani tenzor ima oblik (2, 2, 3), gdje prva dimenzija predstavlja broj ugniježđenih lista, druga dimenzija označava broj unutarnjih lista u svakoj ugniježđenoj listi, a treća dimenzija označava broj elemenata u svakoj unutarnjoj listi.
Korištenje atributa oblika
Korištenje električnih romobila ističe oblikovati atribut dostupan u NumPyju pomaže nam da dobijemo dimenzije našeg tenzora bez ikakvih problema.
tensor_dimensions = tensor.shape
tenzor.oblik vraća torku koja predstavlja dimenzije tenzora u formatu (dimenzija_1, dimenzija_2, …, dimenzija_n).
Zaključno, dobivanje dimenzija tenzora u Pythonu prilično je jednostavno i učinkovito, posebno uz pomoć biblioteke NumPy. Razumijevanjem atributa oblika i korištenjem različitih ugrađenih funkcija, možemo riješiti širok raspon problema povezanih s tenzorima i njihovim dimenzijama.