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).
