Эпоха (в обучении) — это один полный проход алгоритма обучения через весь тренировочный набор данных. Обучение нейросети обычно требует множества эпох, чтобы веса модели достаточно скорректировалис...
Тензор
Бонус за регистрацию!
Зарегистрируйся и получи бонус
Тензор — это фундаментальная структура данных в глубоком обучении, представляющая собой многомерный массив чисел. Тензоры обобщают понятия скаляра (ранг 0), вектора (ранг 1) и матрицы (ранг 2) на n-мерное пространство. Все современные фреймворки (TensorFlow, PyTorch) оперируют тензорами для хранения входов, весов и выходов нейронных сетей, выполняя над ними операции линейной алгебры на GPU.
Что такое «Тензор» простыми словами
В математике тензор — это «контейнер» для чисел. Скаляр — это точка (0 измерений). Вектор — это линия (1 измерение). Матрица — это квадратная таблица (2 измерения). А тензор может быть кубом (3 измерения) или даже гиперкубом (4, 5 измерений...). Для ИИ тензор — это универсальная коробка, в которую можно упаковать что угодно: цветную картинку (3D тензор: высота, ширина, цвета) или видео (4D тензор: время + картинка).
Вопросы и ответы
Что такое тензор?
Многомерный массив чисел (обобщение скаляра, вектора и матрицы), основная структура данных в DL.
Какова размерность тензора цветного изображения?
Для одного изображения: [Высота, Ширина, Каналы] (3D тензор). Для батча изображений добавляется измерение размера батча: [N, H, W, C] (4D тензор).
Что такое ранг тензора?
Ранг тензора — это количество индексов (осей), необходимых для однозначного обращения к его элементу. Скаляр — ранг 0 (просто число). Вектор — ранг 1 (один индекс [i]). Матрица — ранг 2 ([i, j]). Цветное изображение — ранг 3 (высота, ширина, каналы RGB). Батч видео — ранг 5 (батч, время, высота, ширина, каналы).
