PyTorch-এ টেনসর ইনিশিয়ালাইজেশন, শেপ এবং ডেটা টাইপগুলি বুঝা খুব গুরুত্বপূর্ণ, কারণ এগুলি ডীপ লার্নিং এবং মেশিন লার্নিং মডেল তৈরি করতে সহায়ক। নিচে এই তিনটি বিষয় বিস্তারিতভাবে আলোচনা করা হলো:
১. টেনসর ইনিশিয়ালাইজেশন
টেনসর তৈরি করার জন্য PyTorch বিভিন্ন পদ্ধতি প্রদান করে। কিছু সাধারণ পদ্ধতি হলো:
নিউ টেনসর তৈরি করা:
import torch
# জিরো টেনসর
zero_tensor = torch.zeros(3, 3) # 3x3 জিরো টেনসর
# এক্স টেনসর
ones_tensor = torch.ones(2, 2) # 2x2 এক্স টেনসর
# র্যান্ডম টেনসর
random_tensor = torch.rand(4, 4) # 4x4 র্যান্ডম টেনসর
অবজেক্ট থেকে টেনসর তৈরি করা:
# লিস্ট থেকে টেনসর
list_tensor = torch.tensor([[1, 2, 3], [4, 5, 6]]) # 2x3 টেনসর
২. টেনসরের শেপ
টেনসরের শেপ হল এর ডাইমেনশন বা আকার। টেনসরের শেপ জানতে shape অ্যাট্রিবিউট ব্যবহার করা হয়।
# টেনসরের শেপ দেখা
print(random_tensor.shape) # আউটপুট: torch.Size([4, 4])
শেপের গুরুত্ব:
- শেপ টেনসরের আকার এবং বিভিন্ন অপারেশনের সময় ডেটার ফিটিং বা অ্যালাইনমেন্ট বুঝতে সাহায্য করে।
- নিউরাল নেটওয়ার্কের লেয়ারগুলোর মধ্যে টেনসরের আকার সঠিক থাকতে হবে।
৩. ডেটা টাইপ
PyTorch বিভিন্ন ধরনের ডেটা টাইপ সমর্থন করে, যেমন:
torch.float32: সাধারণভাবে ব্যবহৃত ফ্লোট ডেটা টাইপ।torch.int64: পূর্ণসংখ্যার জন্য ব্যবহৃত।torch.bool: বুলিয়ান মান (True/False) ধারণ করার জন্য ব্যবহৃত।
টেনসরের ডেটা টাইপ সেট করতে বা জানতে:
# ডেটা টাইপ সেট করা
float_tensor = torch.tensor([[1, 2], [3, 4]], dtype=torch.float32)
# ডেটা টাইপ জানা
print(float_tensor.dtype) # আউটপুট: torch.float32
সারসংক্ষেপ
- টেনসর ইনিশিয়ালাইজেশন: টেনসর তৈরি করার বিভিন্ন পদ্ধতি।
- টেনসরের শেপ: টেনসরের আকার, যা অপারেশন এবং মডেল আর্কিটেকচারের জন্য গুরুত্বপূর্ণ।
- ডেটা টাইপ: টেনসরের মানের ধরনের ওপর ভিত্তি করে টেনসরের ব্যবহারের ধরন নির্ধারণ করে।
এই বিষয়গুলো বুঝতে পারলে PyTorch-এ কাজ করা অনেক সহজ হবে। যদি আরো বিস্তারিত জানতে চান, জানাবেন!
Content added By
Read more
