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 menyelesaikan masalah mendapatkan dimensi tensor, kita akan menggunakan pustaka NumPy yang sangat populer dan fungsi bawaannya , yaitu ` shape` . Untuk memulai, mari kita impor terlebih dahulu pustaka NumPy dan buat tensor contoh.
import numpy as np tensor = np.array([[[1, 2, 3], [4, 5, 6]], [[7, 8, 9], [10, 11, 12]]])
Sekarang setelah kita memiliki tensor tersebut, kita dapat dengan mudah memperoleh dimensinya menggunakan atribut shape.
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 kita, kita membuat tensor 3D menggunakan fungsi np.array . Fungsi ini mengambil daftar berisi daftar (atau struktur mirip array lainnya) sebagai input dan mengubahnya menjadi array atau tensor multidimensi.
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
Atribut `shape` yang tersedia di NumPy membantu kita mendapatkan dimensi tensor tanpa kesulitan.
tensor_dimensions = tensor.shape
tensor.shape mengembalikan tuple yang mewakili dimensi tensor dalam format (dimensi_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.
