উদাহরণসহ Tensor ব্যবহার করা

Tensor হল PyTorch-এর একটি মূল ডেটা স্ট্রাকচার, যা মাল্টিডাইমেনশনাল অ্যারে হিসেবে কাজ করে। এটি NumPy এর মত, তবে এটি GPU তে দ্রুত গণনা করার ক্ষমতা রাখে। নিচে Tensor ব্যবহার করার কিছু উদাহরণ দেওয়া হলো।

১. Tensor তৈরি করা

১.১. ১ডি Tensor

import torch

# ১ডি Tensor তৈরি
tensor_1d = torch.tensor([1, 2, 3, 4, 5])
print("১ডি Tensor:")
print(tensor_1d)

১.২. ২ডি Tensor

# ২ডি Tensor তৈরি
tensor_2d = torch.tensor([[1, 2, 3], [4, 5, 6]])
print("\n২ডি Tensor:")
print(tensor_2d)

১.৩. ৩ডি Tensor

# ৩ডি Tensor তৈরি
tensor_3d = torch.tensor([[[1, 2], [3, 4]], [[5, 6], [7, 8]]])
print("\n৩ডি Tensor:")
print(tensor_3d)

২. Tensor এর আকার দেখা

# Tensor এর আকার দেখা
print("\nTensor এর আকার:")
print(tensor_2d.shape)  # ২ডি Tensor এর জন্য

৩. Tensor গণনা

৩.১. মৌলিক গাণিতিক অপারেশন

# দুইটি Tensor তৈরি
a = torch.tensor([1, 2, 3])
b = torch.tensor([4, 5, 6])

# যোগফল
sum_tensor = a + b
print("\nযোগফল:")
print(sum_tensor)

# গুণফল
prod_tensor = a * b
print("\nগুণফল:")
print(prod_tensor)

৩.২. অন্যান্য গাণিতিক অপারেশন

# গড় বের করা
mean_value = torch.mean(a.float())  # float() ব্যবহার করে Integer থেকে Float এ রূপান্তর
print("\nগড়:")
print(mean_value)

# ম্যাট্রিক্স গুণফল
matrix_a = torch.tensor([[1, 2], [3, 4]])
matrix_b = torch.tensor([[5, 6], [7, 8]])
matrix_product = torch.mm(matrix_a, matrix_b)
print("\nম্যাট্রিক্স গুণফল:")
print(matrix_product)

৪. Tensor এর রূপান্তর

# Tensor কে NumPy অ্যারে তে রূপান্তর করা
numpy_array = tensor_1d.numpy()
print("\nNumPy অ্যারে:")
print(numpy_array)

# NumPy অ্যারে থেকে Tensor তে রূপান্তর করা
new_tensor = torch.from_numpy(numpy_array)
print("\nTensor পুনরায় তৈরি:")
print(new_tensor)

৫. GPU তে Tensor ব্যবহার

# CUDA ব্যবহার করে GPU তে Tensor তৈরি করা
if torch.cuda.is_available():
    tensor_gpu = tensor_1d.to('cuda')
    print("\nGPU তে Tensor:")
    print(tensor_gpu)
else:
    print("\nGPU উপলব্ধ নয়।")

সারসংক্ষেপ

উপরের উদাহরণগুলি Tensor তৈরির, গণনা করার এবং রূপান্তর করার বিভিন্ন পদ্ধতি দেখায়। Tensor ব্যবহারের মাধ্যমে আপনি ডিপ লার্নিং মডেল তৈরি করার জন্য প্রয়োজনীয় বিভিন্ন গাণিতিক অপারেশন সহজে করতে পারবেন।