No tienes acceso a esta clase

隆Contin煤a aprendiendo! 脷nete y comienza a potenciar tu carrera

Procesamiento de dataset para computer vision

9/17
Recursos

Aportes 5

Preguntas 2

Ordenar por:

驴Quieres ver m谩s aportes, preguntas y respuestas de la comunidad?

Hola creo que en minuto 2:28 hay un corto del video como de 20 segundos o m谩s

Para los que les generaba la duda, un stack dentro de pytorch puede entenderse como un array de tensores (Si estoy mal corrijanme) y permite apilar tensores un sobre otro en una dimension determinada, como el parametro no se especifica esta por default 0. Permiten realizar operaciones de manipulaci贸n de tensores complejas.

return_tensors ( stro TensorType , opcional ): si se establece, devolver谩 tensores en lugar de una lista de enteros de Python. Los valores aceptables son:
鈥榯f鈥: Devuelve tf.constantobjetos TensorFlow.
鈥榩t鈥: Devuelve torch.Tensorobjetos PyTorch.
鈥榥p鈥: Devuelve np.ndarrayobjetos Numpy

Aqui pongo la documentacion de feature extractor. https://huggingface.co/docs/transformers/main_classes/feature_extractor#transformers.SequenceFeatureExtractor.pad.return_tensors

Gracias

return_tensors ( stro TensorType , opcional ): si se establece, devolver谩 tensores en lugar de una lista de enteros de Python. Los valores aceptables son: 'tf': Devuelve tf.constantobjetos TensorFlow. 'pt': Devuelve torch.Tensorobjetos PyTorch. 'np': Devuelve np.ndarrayobjetos Numpy