Tensore (Informatica): differenze tra le versioni
(Creata pagina con "Un tensore è una generalizzazione di vettori e matrici ed è un elemento fondamentale in PyTorch. È sostanzialmente un '''array multidimensionale''' che può variare da una dimensione (una linea di numeri, simile a un vettore) a diverse dimensioni (per esempio, matrici per 2D, array tridimensionali, ecc.). I tensori sono utilizzati per organizzare i dati per l'elaborazione di algoritmi di machine learning e possono essere manipolati efficacemente sia su CPU che su...") |
Nessun oggetto della modifica |
||
| (7 versioni intermedie di 4 utenti non mostrate) | |||
| Riga 1: | Riga 1: | ||
Un tensore è una generalizzazione di vettori e matrici ed è un elemento fondamentale | {{Template concetto | ||
|NomeInglese=Tensor | |||
}} | |||
Un tensore è una generalizzazione di vettori e matrici ed è un elemento fondamentale nelle moderne architetture di Intelligenza Artificiale. È sostanzialmente un '''array multidimensionale''' che può variare da una dimensione (una linea di numeri, simile a un vettore) a diverse dimensioni (per esempio, matrici per 2D, array tridimensionali, ecc.). I tensori sono utilizzati per organizzare i dati per l'elaborazione di algoritmi di machine learning e possono essere manipolati efficacemente sia su CPU che su GPU. | |||
Un '''vettore''' è un tensore di ordine 1 o una dimensione che si presenta come a un array lineare di numeri. Ad esempio, un vettore contenente i numeri [1,2,3] può essere considerato un tensore unidimensionale. | Un '''vettore''' è un tensore di ordine 1 o una dimensione che si presenta come a un array lineare di numeri. Ad esempio, un vettore contenente i numeri [1,2,3] può essere considerato un tensore unidimensionale. | ||
| Riga 6: | Riga 9: | ||
Un tensore può avere anche tre, quattro, o più dimensioni. Queste dimensioni superiori sono spesso utilizzate in applicazioni di deep learning per rappresentare dati più complessi, come immagini (che possono essere rappresentate come tensori 3D per altezza, larghezza e canali di colore) o video (che possono essere rappresentati come tensori 4D aggiungendo la dimensione temporale ai tensori 3D delle immagini). | Un tensore può avere anche tre, quattro, o più dimensioni. Queste dimensioni superiori sono spesso utilizzate in applicazioni di deep learning per rappresentare dati più complessi, come immagini (che possono essere rappresentate come tensori 3D per altezza, larghezza e canali di colore) o video (che possono essere rappresentati come tensori 4D aggiungendo la dimensione temporale ai tensori 3D delle immagini). | ||
== Tutorial == | |||
[[Come creare un tensore su Pytorch]] | |||
{{#seo: | |||
|title=Tensore | |||
|title_mode=append | |||
|keywords=tensore, intelligenza artificiale, machine learning, vettori, matrici, array multidimensionale, deep learning, dati, algoritmo, pytorch | |||
|description=Un tensore è un array multidimensionale, fondamentale nell'intelligenza artificiale, che generalizza vettori e matrici. Questo articolo spiega cosa sono i tensori, come sono utilizzati nel machine learning e fornisce un tutorial su come crearne uno con Pytorch. | |||
|image= | |||
}} | |||
Versione attuale delle 13:31, 17 ago 2024
| Tensore (Informatica) | |
|---|---|
| Nome Inglese | Tensor |
| Sigla | |
Un tensore è una generalizzazione di vettori e matrici ed è un elemento fondamentale nelle moderne architetture di Intelligenza Artificiale. È sostanzialmente un array multidimensionale che può variare da una dimensione (una linea di numeri, simile a un vettore) a diverse dimensioni (per esempio, matrici per 2D, array tridimensionali, ecc.). I tensori sono utilizzati per organizzare i dati per l'elaborazione di algoritmi di machine learning e possono essere manipolati efficacemente sia su CPU che su GPU.
Un vettore è un tensore di ordine 1 o una dimensione che si presenta come a un array lineare di numeri. Ad esempio, un vettore contenente i numeri [1,2,3] può essere considerato un tensore unidimensionale.
Una matrice è un tensore di ordine 2 o due dimensioni. Questo significa che ha due assi: righe e colonne. Ad esempio, una matrice 2×3 è composta da due righe e tre colonne ed è un tensore bidimensionale.
Un tensore può avere anche tre, quattro, o più dimensioni. Queste dimensioni superiori sono spesso utilizzate in applicazioni di deep learning per rappresentare dati più complessi, come immagini (che possono essere rappresentate come tensori 3D per altezza, larghezza e canali di colore) o video (che possono essere rappresentati come tensori 4D aggiungendo la dimensione temporale ai tensori 3D delle immagini).
Tutorial
Come creare un tensore su Pytorch