Tensor adalah array multi dimensi yang banyak digunakan di berbagai bidang seperti machine learning, deep learning, dan computer vision. Seringkali, menjadi penting untuk mengetahui dimensi atau bentuk tensor untuk melakukan operasi seperti pembentukan ulang, penyiaran, dan sebagainya. Pada artikel ini, kita akan mendalami proses mendapatkan dimensi tensor menggunakan Python, dengan penjelasan kode langkah demi langkah, dan menjelajahi beberapa pustaka dan fungsi terkait yang memainkan peran penting dalam manipulasi tensor.
Untuk mengatasi masalah mendapatkan dimensi tensor, kami akan menggunakan pustaka yang sangat populer JumlahPy dan fungsi bawaannya bentuk. Untuk memulai, pertama-tama impor pustaka NumPy dan buat contoh tensor.
import numpy as np tensor = np.array([[[1, 2, 3], [4, 5, 6]], [[7, 8, 9], [10, 11, 12]]])
Sekarang setelah kita memiliki tensor, kita dapat dengan mudah memperoleh dimensinya menggunakan bentuk atribut.
tensor_dimensions = tensor.shape
print("Tensor dimensions:", tensor_dimensions)
Cuplikan kode ini akan menampilkan yang berikut:
“
Dimensi tensor: (2, 2, 3)
“
Variabel tensor_dimensions sekarang berisi dimensi tensor kita dalam format Tuple (2, 2, 3). Untuk lebih memahami hasil yang diperoleh, mari kita membedah kodenya selangkah demi selangkah.
Perpustakaan NumPy
- JumlahPy adalah perpustakaan Python yang kuat yang menyediakan dukungan untuk bekerja dengan array dan matriks multidimensi yang besar. Muncul dengan kumpulan fungsi matematika untuk melakukan operasi pada array ini.
- Ini telah menjadi basis untuk berbagai paket dan pustaka komputasi ilmiah, terutama di bidang pembelajaran mesin dan analisis data.
Membuat Tensor dengan NumPy
Dalam contoh kami, kami membuat tensor 3D menggunakan np.array fungsi. Fungsi ini mengambil daftar daftar (atau struktur mirip larik lainnya) sebagai masukan dan mengubahnya menjadi larik multidimensi atau tensor.
tensor = np.array([[[1, 2, 3], [4, 5, 6]], [[7, 8, 9], [10, 11, 12]]])
Tensor yang dibuat memiliki bentuk (2, 2, 3), dimana dimensi pertama merepresentasikan jumlah nested list, dimensi kedua merepresentasikan jumlah inner list pada setiap nested list, dan dimensi ketiga menunjukkan jumlah elemen. di setiap daftar batin.
Menggunakan Atribut Bentuk
The bentuk atribut yang tersedia di NumPy membantu kami mendapatkan dimensi tensor kami tanpa kesulitan.
tensor_dimensions = tensor.shape
tensor.bentuk mengembalikan tuple yang mewakili dimensi tensor dalam format (dimension_1, dimensi_2, …, dimensi_n).
Kesimpulannya, mendapatkan dimensi tensor di Python cukup sederhana dan efisien, terutama dengan bantuan library NumPy. Dengan memahami atribut bentuk dan memanfaatkan berbagai fungsi bawaan, kita dapat menyelesaikan berbagai masalah terkait tensor dan dimensinya.
