Tensores en PyTorch desde cero
Contenido del curso
Jeison Wu Mitre
Romel Manrique
Juan R. Vergara M.
Juan Acevedo
Mario Alexander Vargas Celis
IVAN CARAPIA BARAJAS
Mario Alexander Vargas Celis
Mario Alberto Villalobos Díaz
Luis Miguel Patiño Buendía
Jhonntan Andres Castaño Rojas
Jhonntan Andres Castaño Rojas
Es importante saber leer las formas de los tensores y que nos dice. Por ejemplo un shape de (2,10) me dice que hay dos elementos que contienes 10 elementos cada una. De forma mas compleja leer un (2,10,20,3,2,3) Nos quiere decir como:
2 terrenos10 Barriadas20 casas3 Habitaciones2 Camas3 almohadas.En pocas palabras al tener tantas dimensiones nos quiere decir que agrupamos que esta adentro de que.
Si, es importante entender que los valores en las dimensiones de un tensor representan cierto tipo de datos, incluso si todos son float, y no confundir las dimensiones inclusos si estas tienen el mismo tamaño.
Gracias por el aporte 👍
También los pueden hacer en numpy para practicar jeje
#Tensor orden 0 #Numpy escalar_numpy = np.array([3]) #Torch escalar_torch = torch.randn(1) #Tensor orden 1 (vector) #Numpy vector_numpy = np.array([1, 2, 3]) #Torch vector_torch = torch.zeros(1, 10) #Tensor orden 2 (Matriz) #Numpy matriz_numpy = np.array([[2, 3, 3], [3, 4, 5]]) #Torch matriz_torch = torch.ones(2, 3) #Tensor odern 3 (Orden 3) #Numpy tensor_numpy_3 = np.array([[[2, 3, 3], [4, 1, 2]], [[2, 3, 3], [4, 1, 2]]]) tensor_numpy_3_5 = np.array([[[3, 4, 5], [3, 2, 1]], [[6, 7, 8], [3, 6, 1]], [[3, 8, 3], [7, 4, 3]], [[2, 3, 1], [4, 5, 5]], [[6, 7, 8], [9, 1, 1]]]) #Torch tensor_torch_5 = torch.randn(5, 2, 3) np.shape(tensor_numpy_3_5) (5, 2, 3)
En PyTorch, los tensores son estructuras de datos similares a los arrays de NumPy, pero con la ventaja de que pueden ser utilizados en GPUs para acelerar los cálculos. A continuación, te muestro varias formas de crear tensores en PyTorch:
### 1. **Crear un tensor a partir de una lista**
import torch tensor = torch.tensor(\[1, 2, 3, 4, 5]) print(tensor)
### 2. **Crear un tensor de ceros**
tensor = torch.zeros(3, 4) # Un tensor de 3 filas y 4 columnas lleno de ceros print(tensor)
### 3. **Crear un tensor de unos**
tensor = torch.ones(3, 4) # Un tensor de 3 filas y 4 columnas lleno de unos print(tensor)
### 4. **Crear un tensor con valores aleatorios**
tensor = torch.rand(3, 4) # Un tensor de 3 filas y 4 columnas con valores aleatorios entre 0 y 1 print(tensor)
### 5. **Crear un tensor con una secuencia de números**
tensor = torch.arange(0, 10, step=2) # Un tensor que contiene los valores \[0, 2, 4, 6, 8] print(tensor)
### 6. **Crear un tensor con una distribución normal**
tensor = torch.randn(3, 4) # Tensor con distribución normal estándar (media 0, desviación estándar 1) print(tensor)
### 7. **Crear un tensor vacío**
tensor = torch.empty(2, 3) # Un tensor vacío de 2x3 (sin valores inicializados) print(tensor)
### 8. **Convertir un array de NumPy a un tensor**
Si ya tienes un array en NumPy y deseas convertirlo a un tensor de PyTorch:
import numpy as np array = np.array(\[1, 2, 3, 4]) tensor = torch.from\_numpy(array) print(tensor)
### 9. **Especificar el tipo de datos del tensor**
Puedes crear un tensor de un tipo específico, por ejemplo, un tensor de enteros (torch.int) o de punto flotante (torch.float):
tensor = torch.tensor(\[1.0, 2.0, 3.0], dtype=torch.float32) # Tensor de tipo float print(tensor)
### 10. **Crear un tensor en una GPU (si está disponible)**
Si tienes una GPU y deseas que el tensor sea creado directamente en la GPU, puedes especificarlo con device='cuda':
if torch.cuda.is\_available():   tensor = torch.tensor(\[1, 2, 3], device='cuda') # Crear el tensor en la GPU   print(tensor)
Estos son algunos de los métodos más comunes para crear tensores en PyTorch.
En PyTorch, los tensores son estructuras de datos similares a los arrays de NumPy, pero con la ventaja de que pueden ser utilizados en GPUs para acelerar los cálculos. A continuación, te muestro varias formas de crear tensores en PyTorch:
### 1. **Crear un tensor a partir de una lista**
import torch tensor = torch.tensor(\[1, 2, 3, 4, 5]) print(tensor)
### 2. **Crear un tensor de ceros**
tensor = torch.zeros(3, 4) # Un tensor de 3 filas y 4 columnas lleno de ceros print(tensor)
### 3. **Crear un tensor de unos**
tensor = torch.ones(3, 4) # Un tensor de 3 filas y 4 columnas lleno de unos print(tensor)
### 4. **Crear un tensor con valores aleatorios**
tensor = torch.rand(3, 4) # Un tensor de 3 filas y 4 columnas con valores aleatorios entre 0 y 1 print(tensor)
### 5. **Crear un tensor con una secuencia de números**
tensor = torch.arange(0, 10, step=2) # Un tensor que contiene los valores \[0, 2, 4, 6, 8] print(tensor)
### 6. **Crear un tensor con una distribución normal**
tensor = torch.randn(3, 4) # Tensor con distribución normal estándar (media 0, desviación estándar 1) print(tensor)
### 7. **Crear un tensor vacío**
tensor = torch.empty(2, 3) # Un tensor vacío de 2x3 (sin valores inicializados) print(tensor)
### 8. **Convertir un array de NumPy a un tensor**
Si ya tienes un array en NumPy y deseas convertirlo a un tensor de PyTorch:
import numpy as np array = np.array(\[1, 2, 3, 4]) tensor = torch.from\_numpy(array) print(tensor)
### 9. **Especificar el tipo de datos del tensor**
Puedes crear un tensor de un tipo específico, por ejemplo, un tensor de enteros (torch.int) o de punto flotante (torch.float):
tensor = torch.tensor(\[1.0, 2.0, 3.0], dtype=torch.float32) # Tensor de tipo float print(tensor)
### 10. **Crear un tensor en una GPU (si está disponible)**
Si tienes una GPU y deseas que el tensor sea creado directamente en la GPU, puedes especificarlo con device='cuda':
if torch.cuda.is\_available():   tensor = torch.tensor(\[1, 2, 3], device='cuda') # Crear el tensor en la GPU   print(tensor)
El termino para bases de datos de mas de 2 dimensiones, ancho, largo y profundidad, es cubo OLAB, se usan mucho en administración.
Una matriz de dimensión 3 se puede imaginar como un cubo. Cada dimensión hace referencia a una dirección nueva en el cual puedes ubicar los elementos de interés.
No se debe confundir con la forma o "shape" de las matrices.
escalar = torch.randn(1) # forma un es un escalarvector = torch.zeros(1,10) # vector de 1 fila con 10 columnasmatriz = torch.ones(2,2) # 2 filas 2 columnas print(escalar)print(' ')print(' ')print(vector)print(' ')print(' ')print(matriz)
``` escalar = torch.randn(1) # forma un es un escalarvector = torch.zeros(1,10) # vector de 1 fila con 10 columnasmatriz = torch.ones(2,2) # 2 filas 2 columnas
print(escalar)print(' ')print(' ')print(vector)print(' ')print(' ')print(matriz)