~Привет народ!!! Приятно вернуться с еще одним постом 😊…
Тензор — это структура данных. Это контейнер, где 90% — числа. Существуют различные типы тензоров.
Прежде чем посмотреть, что такое типы тензоров, давайте посмотрим, что такое ранг, форма и размер тензора.
- Рейтинг: количество осей = количество измерений (ndim) = рейтинг
- Форма: сколько значений может храниться на оси.
- Размер: доступные элементы в форме
Давайте перейдем к типам тензоров…
0-D тензоры/скейлеры
Скейлеры или тензоры 0-D (0 Dimension) — это тензоры, в которых хранится одно число. У него нет направления.
ex: 2
Следующий фрагмент кода можно использовать для проверки размера Scaler…
import numpy as np a = np.array(2) a a.ndim #output => 0 #size = 1
Одномерные тензоры/векторы
Векторы или тензоры 1-D (1 Dimension) представляют собой набор скейлеров. Он включает в себя список значений.
ex: [1,2,3,4]
Следующий фрагмент кода можно использовать для проверки размера вектора…
import numpy as np b = np.array([1,2,3,4]) b b.ndim #output => 1 #size = 4
Измерение вектора показывает, сколько значений в массиве.
Двумерные тензоры/матрицы
Матрицы или двумерные (двухмерные) тензоры представляют собой набор нескольких векторов. IE включает в себя набор списков.
ex: [1,2,3][4,5,6][7,8,9]
Следующий фрагмент кода можно использовать для проверки размера матрицы…
import numpy as np c = np.array([[1,2,3],[4,5,6],[7,8,9]]) c c.ndim #output => 2 #shape = (3,3) #size = 9
3-D тензоры/N-D тензоры/кубоиды
Трехмерные (трехмерные) тензоры представляют собой набор матриц. Он включает в себя номер строки, номера столбцов и глубину, т.е. количество матриц.
ex: [ [[1,0,0,0][0,1,0,0]], [[1,0,0,0][0,0,1,0]] ,[[1,0,0,0][0,0,0,1]]] =>
row # * column # * depth = 3 * 2 * 4 shape = (3,2,4) size = 3*2*4 = 24
Четырехмерные тензоры
Набор кубоидов/трехмерных тензоров называется четырехмерным тензором. Мы можем найти четырехмерные тензоры в области компьютерного зрения.
пример: Пакет изображений RGB
5-D тензоры
Коллекция четырехмерных тензоров называется пятимерным тензором.
пример: Пакет видео (коллекция кадров)
Заключение
Мы только что вкратце узнали о тензорах…
На этом пока все, и, пожалуйста, нажмите кнопку хлопка, если эта статья окажется вам полезной.
Это может быть продолжением серии «Основы машинного обучения».
Особая благодарность @Jinendra Bogahawatte