¿Cómo acceder a los metadatos de un tensor en PyTorch?

En este artículo vamos a ver cómo acceder a los metadatos de un tensor en PyTorch usando Python.

PyTorch en Python es una biblioteca de aprendizaje automático. Además, es gratuito y de código abierto. Primero fue presentado por el equipo de investigación de Facebook AI. Un tensor en PyTorch es similar a una array NumPy. Pero no tiene ningún conocimiento de aprendizaje profundo, gráficos, etc. Se considera una array n-dimensional normal que se puede usar para cálculos matemáticos. Se diferencia de un Numpy en cuanto a su plataforma de ejecución. A diferencia de la array Numpy, un tensor puede ejecutarse en CPU o GPU.

Ejemplo 1:

En este ejemplo, cada una de las declaraciones utilizadas en el código fuente se ha discutido a continuación,

El primer paso es importar la biblioteca de antorchas. Necesitamos crear un tensor. Por ejemplo, hemos creado un tensor de dimensión 5 X 3. Ahora para acceder a los metadatos, es decir, el tamaño y la forma del tensor, hemos utilizado el método .size() y .shape. Hemos utilizado el método torch.numel(). Nos da el número total de elementos en el tensor creado. Finalmente, estamos imprimiendo estos datos en la consola.

# Python Program demonstrate how
# to access meta-data of a Tensor
  
# Import necessary libraries
import torch
  
# Create a tensor of having dimensions 5 X 3
tensor = torch.Tensor([[5,1,7],[7,2,9],[4,7,9],
                       [8,12,14],[2,4,7]])
print("tensor:\n", tensor)
  
# Get the meta-data of tensor
# Get the size of tensor
tensor_size = tensor.size()
print("Thee size of tensor:\n", tensor_size)
  
# Applying .shape method to get the tensor size
print("The shape of tensor:\n", tensor.shape)
  
# Compute the number of elements in the tensor
size = torch.numel(tensor)
print("Total number of elements in tensor:\n", size)

Producción:

tensor:
 tensor([[ 5.,  1.,  7.],
        [ 7.,  2.,  9.],
        [ 4.,  7.,  9.],
        [ 8., 12., 14.],
        [ 2.,  4.,  7.]])
Thee size of tensor:
 torch.Size([5, 3])
The shape of tensor:
 torch.Size([5, 3])
Total number of elements in tensor:
 15

Ejemplo 2:

En este ejemplo, cada una de las declaraciones utilizadas en el código fuente se ha discutido a continuación,

El primer paso es importar la biblioteca de antorchas. Necesitamos crear un tensor. Por ejemplo, hemos creado un tensor de números del 1 al 9 (ambos inclusive). Ahora, para acceder a los metadatos, es decir, el tamaño y la forma del tensor, hemos utilizado el método .size() y .shape. Hemos utilizado el método torch.numel(). Nos da el número total de elementos en el tensor creado. Finalmente, estamos imprimiendo estos datos en la consola.

# Python Program demonstrate how to
# access meta-data of a Tensor
  
# Import the library
import torch
  
# Creating a tensor
data = [1, 2, 3, 4, 5, 6, 7, 8, 9]
tensor = torch.tensor(data)
  
# Printing tensor
print(tensor)
  
# Get the meta-data of tensor
# Get the size of tensor
tensor_size = tensor.size()
print("The size of tensor:\n", tensor_size)
  
# Applying .shape method to get the tensor size
print("The shape of tensor:\n", tensor.shape)
  
# Compute the number of elements in the tensor
size = torch.numel(tensor)
print("Total number of elements in tensor:\n", size)

Producción:

tensor([1, 2, 3, 4, 5, 6, 7, 8, 9])
The size of tensor:
 torch.Size([9])
The shape of tensor:
 torch.Size([9])
Total number of elements in tensor:
 9