Come creare un tensore su Pytorch - Cronologia

Lucia Terenzi il 16:52, 12 mar 2024

2024-03-12T16:52:40Z

@@ Riga 86: / Riga 86: @@
 Con questa riga andiamo a chiedere a PyTorch di calcolare i gradienti di y rispetto ad x. Se sei stat* attent* riconoscerai la formulazione torch.ones, che serve ad inizializzare un tensore di tutti uno. Qui troviamo la variazione: <code>torch.ones_like(x)</code>che imposta le dimensioni del tensore come quelle del tensore x. Quello che stiamo facendo è creare un tensore nuovo per visualizzare i gradienti di y rispetto ad x.
+[[File:Tensorino.png|miniatura|498x498px]]
 Per visualizzare questo nuovo tensore esegui:
 <code>x.grad</code>
 Fonte: [https://discordapp.com/channels/1205124047931703306/1205156557285892116/1217016623202963506 PyTorch Artificial Intelligence Fundamentals by Jibin Mathew]
 [[Categoria:Tutorial]]

Lucia Terenzi il 16:43, 12 mar 2024

2024-03-12T16:43:39Z

@@ Riga 48: / Riga 48: @@
 Facciamo un esempio!
 Fonte: [https://discordapp.com/channels/1205124047931703306/1205156557285892116/1217016623202963506 PyTorch Artificial Intelligence Fundamentals by Jibin Mathew]
 [[Categoria:Tutorial]]

Lucia Terenzi: /* Esempi di Inizializzazione */

2024-03-12T15:46:26Z

Esempi di Inizializzazione

← Versione meno recente		Versione delle 15:46, 12 mar 2024
Riga 23:		Riga 23:

	''[n.b. Essendo le dimensioni in questo caso due, si può parlare di un tipo specifico di Tensore detto Matrice. Se la dimensione fosse una si tratterebbe di un Vettore. Dalle tre dimensioni in su si definiscono genericamente Tensori]''		''[n.b. Essendo le dimensioni in questo caso due, si può parlare di un tipo specifico di Tensore detto Matrice. Se la dimensione fosse una si tratterebbe di un Vettore. Dalle tre dimensioni in su si definiscono genericamente Tensori]''
	[[File:Tensore 1.png\|miniatura]]		[[File:Tensore 1.png\|miniatura\|396x396px]]
	L'inizializzazione del tensore con questa riga di codice lo stampa anche in automatico! In questo caso quindi visualizzeremo questo:		L'inizializzazione del tensore con questa riga di codice lo stampa anche in automatico! In questo caso quindi visualizzeremo questo:

	Abbiamo inizializzato il tensore!		Abbiamo inizializzato il tensore!

Lucia Terenzi il 15:45, 12 mar 2024

2024-03-12T15:45:27Z

← Versione meno recente		Versione delle 15:45, 12 mar 2024
Riga 22:		Riga 22:
	<code>torch.ones((2,3))</code>		<code>torch.ones((2,3))</code>

	''[n.b. Essendo le dimensioni in questo caso due, si può parlare di un tipo specifico di Tensore detto Matrice. Se la dimensione fosse una si tratterebbe di un Vettore. Dalle tre dimensioni in su si definiscono genericamente Tensori]''		''[n.b. Essendo le dimensioni in questo caso due, si può parlare di un tipo specifico di Tensore detto Matrice. Se la dimensione fosse una si tratterebbe di un Vettore. Dalle tre dimensioni in su si definiscono genericamente Tensori]''
			[[File:Tensore 1.png\|miniatura]]
			L'inizializzazione del tensore con questa riga di codice lo stampa anche in automatico! In questo caso quindi visualizzeremo questo:

	~~L'inizializzazione del tensore con questa riga di codice lo stampa anche in automatico! In questo caso quindi visualizzeremo questo:~~		Abbiamo inizializzato il tensore!

	~~tensor([[1., 1., 1.],~~

	~~[1., 1., 1.]])~~


	Abbiamo inizializzato il tensore!

	== Personalizziamo l'inizializzazione ==		== Personalizziamo l'inizializzazione ==

Lucia Terenzi il 15:42, 12 mar 2024

2024-03-12T15:42:16Z

← Versione meno recente		Versione delle 15:42, 12 mar 2024
Riga 18:		Riga 18:
	<code>import torch</code>		<code>import torch</code>

	'''''2.''''' ~~Inizializziamo~~ il tensore specificando il numero di righe e il numero di colonne che vogliamo abbia il nostro tensore di tutti uno, in questo caso rispettivamente 2 e 3:		'''''2.''''' Ora possiamo inizializzare il tensore specificando il numero di righe e il numero di colonne che vogliamo abbia il nostro tensore di tutti uno, in questo caso rispettivamente 2 e 3:

	<code>torch.ones((2,3))</code>		<code>torch.ones((2,3))</code>

Lucia Terenzi il 15:41, 12 mar 2024

2024-03-12T15:41:43Z

← Versione meno recente		Versione delle 15:41, 12 mar 2024
Riga 17:		Riga 17:

	<code>import torch</code>		<code>import torch</code>

	'''''2.''''' Inizializziamo il tensore specificando il numero di righe e il numero di colonne che vogliamo abbia il nostro tensore di tutti uno, in questo caso rispettivamente 2 e 3:		'''''2.''''' Inizializziamo il tensore specificando il numero di righe e il numero di colonne che vogliamo abbia il nostro tensore di tutti uno, in questo caso rispettivamente 2 e 3:

Lucia Terenzi il 15:41, 12 mar 2024

2024-03-12T15:41:33Z

← Versione meno recente		Versione delle 15:41, 12 mar 2024
Riga 48:		Riga 48:
	Quindi specificando gli estremi dell'intervallo PRIMA di definire le dimensioni del tensore.		Quindi specificando gli estremi dell'intervallo PRIMA di definire le dimensioni del tensore.

			== Abilitiamo il tensore al calcolo dei [[Gradienti di ottimizzazione\|gradienti]] ==
			Possiamo fare in modo che quando si eseguono operazioni che coinvolgono questo tensore, PyTorch tracci automaticamente le operazioni effettuate e calcoli in automatico il gradiente di una funzione x (tendenzialmente è la [[Funzione Obiettivo (loss)]]) rispetto ai valori nel tensore.

			Facciamo un esempio!

	Fonte: [https://discordapp.com/channels/1205124047931703306/1205156557285892116/1217016623202963506 PyTorch Artificial Intelligence Fundamentals by Jibin Mathew]		Fonte: [https://discordapp.com/channels/1205124047931703306/1205156557285892116/1217016623202963506 PyTorch Artificial Intelligence Fundamentals by Jibin Mathew]
	[[Categoria:Tutorial]]		[[Categoria:Tutorial]]

Lucia Terenzi il 15:34, 12 mar 2024

2024-03-12T15:34:45Z

← Versione meno recente		Versione delle 15:34, 12 mar 2024
Riga 32:		Riga 32:
	Abbiamo inizializzato il tensore!		Abbiamo inizializzato il tensore!

			== Personalizziamo l'inizializzazione ==

	Possiamo notare che il formato dati assegnato di default è di numero decimale ('''float)'''. Se vogliamo ad esempio che gli elementi del Tensore siano dei numeri interi ('''int''') possiamo specificarlo (insieme dalla dimensione del formato dati, 8, 16, 32 bit ecc.) nella riga di inizializzazione in questo modo:		Possiamo notare che il formato dati assegnato di default è di numero decimale ('''float)'''. Se vogliamo ad esempio che gli elementi del Tensore siano dei numeri interi ('''int''') possiamo specificarlo (insieme dalla dimensione del formato dati, 8, 16, 32 bit ecc.) nella riga di inizializzazione in questo modo:

Lucia Terenzi il 15:31, 12 mar 2024

2024-03-12T15:31:11Z

← Versione meno recente		Versione delle 15:31, 12 mar 2024
Riga 1:		Riga 1:
			== Approcci di Inizializzazione ==

	Esistono vari approcci per creare da zero un [[Tensore]] con [[PyTorch]], ne elenchiamo alcuni dei più semplici:		Esistono vari approcci per creare da zero un [[Tensore]] con [[PyTorch]], ne elenchiamo alcuni dei più semplici:

Riga 9:		Riga 8:
	* <code>torch.randn()</code>: Inizializza un tensore con valori casuali presi da una distribuzione normale (media 0, deviazione standard 1).		* <code>torch.randn()</code>: Inizializza un tensore con valori casuali presi da una distribuzione normale (media 0, deviazione standard 1).
	* <code>torch.rand()</code>: Inizializza un tensore con valori casuali compresi tra 0 e 1 da una distribuzione uniforme.		* <code>torch.rand()</code>: Inizializza un tensore con valori casuali compresi tra 0 e 1 da una distribuzione uniforme.
	~~Facciamo~~ un esempio minimale che adotti il primo approccio: torch.ones.
			== Esempi di Inizializzazione ==
			''[https://colab.research.google.com/drive/18_EtkPURM2rBx5KQ4TEpMvz6bT6La17h?usp=sharing Qui] trovi un Colab dove puoi provare queste righe di codice e vederne il funzionamento te stess*!''

			Innanzitutto facciamo un esempio minimale che adotti il primo approccio: torch.ones.

	'''''1.''''' Il primo step è importare la libreria torch:		'''''1.''''' Il primo step è importare la libreria torch:

	<code>import torch</code>		<code>import torch</code>
			'''''2.''''' Inizializziamo il tensore specificando il numero di righe e il numero di colonne che vogliamo abbia il nostro tensore di tutti uno, in questo caso rispettivamente 2 e 3:

	'''''2.''''' Inizializziamo il tensore specificando il numero di righe e il numero di colonne che vogliamo abbia il nostro tensore di tutti uno, in questo caso rispettivamente 2 e 3:

	<code>torch.ones((2,3))</code>		<code>torch.ones((2,3))</code>
Riga 32:		Riga 33:


	Possiamo notare che il formato dati assegnato di default è float. Se vogliamo ad esempio che gli elementi del Tensore siano dei numeri interi possiamo specificarlo (insieme dalla dimensione del formato dati, 8, 16, 32 bit ecc.) nella riga di inizializzazione in questo modo:
			Possiamo notare che il formato dati assegnato di default è di numero decimale ('''float)'''. Se vogliamo ad esempio che gli elementi del Tensore siano dei numeri interi ('''int''') possiamo specificarlo (insieme dalla dimensione del formato dati, 8, 16, 32 bit ecc.) nella riga di inizializzazione in questo modo:

	<code>torch.ones((2,3)), dtype=torch.int8)</code>		<code>torch.ones((2,3)), dtype=torch.int8)</code>

Lucia Terenzi il 12:35, 12 mar 2024

2024-03-12T12:35:33Z

← Versione meno recente		Versione delle 12:35, 12 mar 2024
Riga 9:		Riga 9:
	* <code>torch.randn()</code>: Inizializza un tensore con valori casuali presi da una distribuzione normale (media 0, deviazione standard 1).		* <code>torch.randn()</code>: Inizializza un tensore con valori casuali presi da una distribuzione normale (media 0, deviazione standard 1).
	* <code>torch.rand()</code>: Inizializza un tensore con valori casuali compresi tra 0 e 1 da una distribuzione uniforme.		* <code>torch.rand()</code>: Inizializza un tensore con valori casuali compresi tra 0 e 1 da una distribuzione uniforme.



	Facciamo un esempio minimale che adotti il primo approccio: torch.ones.		Facciamo un esempio minimale che adotti il primo approccio: torch.ones.

Riga 21:		Riga 18:
	'''''2.''''' Inizializziamo il tensore specificando il numero di righe e il numero di colonne che vogliamo abbia il nostro tensore di tutti uno, in questo caso rispettivamente 2 e 3:		'''''2.''''' Inizializziamo il tensore specificando il numero di righe e il numero di colonne che vogliamo abbia il nostro tensore di tutti uno, in questo caso rispettivamente 2 e 3:

	<code>torch.ones((2,3))</code>		<code>torch.ones((2,3))</code>



	[n.b. Essendo le dimensioni in questo caso due, si può parlare di un tipo specifico di Tensore detto Matrice. Se la dimensione fosse una si tratterebbe di un Vettore. Dalle tre dimensioni in su si definiscono genericamente Tensori]		''[n.b. Essendo le dimensioni in questo caso due, si può parlare di un tipo specifico di Tensore detto Matrice. Se la dimensione fosse una si tratterebbe di un Vettore. Dalle tre dimensioni in su si definiscono genericamente Tensori]''

	L'inizializzazione del tensore con questa riga di codice lo stampa anche in automatico! In questo caso quindi visualizzeremo questo:		L'inizializzazione del tensore con questa riga di codice lo stampa anche in automatico! In questo caso quindi visualizzeremo questo:
Riga 33:		Riga 28:
	[1., 1., 1.]])		[1., 1., 1.]])

	#

	~~Nell'inizializzare un~~ tensore possiamo ~~andare a specificare un sacco~~ di ~~informazioni aggiuntive come~~:		Abbiamo inizializzato il tensore!


			Possiamo notare che il formato dati assegnato di default è float. Se vogliamo ad esempio che gli elementi del Tensore siano dei numeri interi possiamo specificarlo (insieme dalla dimensione del formato dati, 8, 16, 32 bit ecc.) nella riga di inizializzazione in questo modo:

			<code>torch.ones((2,3)), dtype=torch.int8)</code>


			Se vogliamo che gli elementi nel tensore abbiano comunque tutti lo stesso valore ma vogliamo decidere noi quale valore in particolare, possiamo eseguire ad esempio:

	* Formato dei dati		<code>torch.full((2,3), 54,47279)</code>
	*

			Se vogliamo che gli elementi del tensore siano estratti casualmente da un intervallo a nostra scelta (ad esempio [0, 100]) possiamo eseguire:

			<code>torch.randint(0, 100, (2,3)</code>

			Quindi specificando gli estremi dell'intervallo PRIMA di definire le dimensioni del tensore.