En este artículo, vamos a crear un tensor y obtener el tipo de datos. El Pytorch se utiliza para procesar los tensores. Los tensores son arreglos multidimensionales. PyTorch acelera el cálculo científico de tensores ya que tiene varias funciones incorporadas.
Vector:
Un vector es un tensor unidimensional que contiene elementos de múltiples tipos de datos. Podemos crear un vector usando PyTorch. Pytorch está disponible en el módulo de antorcha de Python, por lo que debemos importarlo
Sintaxis:
import pytorch
Creación de tensores unidimensionales:
El vector unidimensional se crea utilizando el método torch.tensor().
Sintaxis:
torch.tensor([element1,element2,.,element n],dtype)
Parámetros:
- dtype: especifique el tipo de datos.
dtype=torch.datatype
Ejemplo: programa de Python para crear elementos tensoriales sin especificar el tipo de datos.
Python3
# importing torch module import torch # create one dimensional tensor with # integer type elements a = torch.tensor([10, 20, 30, 40, 50]) print(a) # create one dimensional tensor with # float type elements b = torch.tensor([10.12, 20.56, 30.00, 40.3, 50.4]) print(b)
Producción:
tensor([10, 20, 30, 40, 50]) tensor([10.1200, 20.5600, 30.0000, 40.3000, 50.4000])
Tipos de datos admitidos:
Los siguientes tipos de datos son compatibles con el vector:
| Tipo de datos | Descripción |
|---|---|
| int8 | Tipo entero con 8 bytes |
| uint8 | Tipo entero sin signo con 8 bytes |
| int16 | Tipo entero con 16 bytes |
| int32 | Tipo entero con 32 bytes |
| int64 | Tipo entero con 64 bytes |
| flotar | Datos con tipo flotante (decimal) |
| doble | Datos con tipo flotante (64 bits) decimal |
| bool | Tipo booleano: devuelve True si el valor es mayor que 0, de lo contrario False |
Podemos obtener el tipo de datos usando el comando dtype:
Sintaxis:
tensor_name.dtype
Ejemplo 1: programa Python para crear tensor con tipos de datos enteros y tipo de datos de visualización
Python3
# import torch import torch # create a tensor with unsigned integer type of 8 bytes size a = torch.tensor([100, 200, 2, 3, 4], dtype=torch.uint8) # display tensor print(a) # display data type print(a.dtype) # create a tensor with integer type of 8 bytes size a = torch.tensor([1, 2, -6, -8, 0], dtype=torch.int8) # display tensor print(a) # display data type print(a.dtype) # create a tensor with integer type of 16 bytes size a = torch.tensor([1, 2, -6, -8, 0], dtype=torch.int16) # display tensor print(a) # display data type print(a.dtype) # create a tensor with integer type of 32 bytes size a = torch.tensor([1, 2, -6, -8, 0], dtype=torch.int32) # display tensor print(a) # display data type print(a.dtype) # create a tensor with integer type of 64 bytes size a = torch.tensor([1, 2, -6, -8, 0], dtype=torch.int64) # display tensor print(a) # display data type print(a.dtype)
Producción:
tensor([100, 200, 2, 3, 4], dtype=torch.uint8) torch.uint8 tensor([ 1, 2, -6, -8, 0], dtype=torch.int8) torch.int8 tensor([ 1, 2, -6, -8, 0], dtype=torch.int16) torch.int16 tensor([ 1, 2, -6, -8, 0], dtype=torch.int32) torch.int32 tensor([ 1, 2, -6, -8, 0]) torch.int64
Ejemplo 2: Crear tipo flotante y mostrar tipos de datos.
Python3
# import torch import torch # create a tensor with float type a = torch.tensor([100, 200, 2, 3, 4], dtype=torch.float) # display tensor print(a) # display data type print(a.dtype) # create a tensor with double type a = torch.tensor([1, 2, -6, -8, 0], dtype=torch.double) # display tensor print(a) # display data type print(a.dtype)
Producción:
tensor([100., 200., 2., 3., 4.]) torch.float32 tensor([ 1., 2., -6., -8., 0.], dtype=torch.float64) torch.float64
Ejemplo 3: Crear un tensor con tipo booleano
Python3
# import torch import torch # create a tensor with bool type a = torch.tensor([100, 200, 2, 3, 4], dtype=torch.bool) # display tensor print(a) # display data type print(a.dtype) # create a tensor with bool type a = torch.tensor([0, 0, 0, 1, 2], dtype=torch.bool) # display tensor print(a) # display data type print(a.dtype)
Producción:
tensor([True, True, True, True, True]) torch.bool tensor([False, False, False, True, True]) torch.bool
Publicación traducida automáticamente
Artículo escrito por sravankumar8128 y traducido por Barcelona Geeks. The original can be accessed here. Licence: CCBY-SA