Introduzione a PyTorch – Tensori e calcoli tensoriali
Introduzione a PyTorch - Tensori e operazioni tensoriali
Apprendi sui tensori e come utilizzarli in una delle più famose librerie di machine learning, pytorch
Una delle librerie più importanti nel campo dell’apprendimento profondo (e inclusivamente, su cui è stato costruito ChatGPT) è pytorch
. Insieme al framework Tensorflow, pytorch
è uno dei framework di addestramento delle reti neurali più famosi disponibili per sviluppatori software e data scientist. Oltre alla sua usabilità e alla semplice API, eccelle nella flessibilità e nell’utilizzo della memoria, rendendolo estremamente veloce nel calcolo multidimensionale (uno dei principali componenti dietro la backpropagation, la tecnica importante che viene utilizzata per ottimizzare i pesi della rete neurale) – questi dettagli lo rendono una delle librerie più richieste dalle aziende quando si tratta di costruire modelli di Deep Learning.
In questo post, esploreremo alcune operazioni di base utilizzando pytorch
e capiremo come lavorare con l’oggetto tensor
! I tensori sono rappresentazioni matematiche dei dati che vengono comunemente denominati con nomi diversi:
- Tensori con 1 elemento: comunemente chiamati scalari, sono costituiti da un singolo valore matematico.
- Tensori unidimensionali: composti da n esempi, vengono normalmente chiamati vettori 1-D e contengono diversi elementi matematici in una singola dimensione.
- Tensori bidimensionali: comunemente chiamati matrici, sono in grado di memorizzare dati in due dimensioni. Pensate a una normale tabella SQL o a un foglio di calcolo Excel.
- Tensori tridimensionali e oltre: i dati organizzati con questa dimensionalità sono generalmente più difficili da visualizzare e sono chiamati tensori n-dimensionali.
Con questa breve introduzione sui concetti matematici, esploriamo come utilizzare pytorch
in Python!
L’oggetto Tensor
Come abbiamo descritto, l’oggetto tensor è una generalizzazione matematica di oggetti n-dimensionali che possono espandersi virtualmente in qualsiasi dimensione. Anche se nel contesto del Deep Learning, i tensori sono generalmente multidimensionali, possiamo anche creare tensori con un solo elemento (comunemente chiamati scalari) utilizzando torch
(anche se chiamato pytorch
, utilizziamo il nome torch
per manipolare la libreria in Python).