Tensör Kavramı

Derin öğrenmede birçok konuşmada veri yapısı köşe taşı olarak tensör kavramını duyarız. Tensör hatta Google’ın makine öğrenmesi amiral gemi kütüphanesi Tensörflow için de de kullanılmıştır.

Tensörler, lineer cebirde veri yapılarında kullanılan bir tiptir ve vektörler ve matrisler gibi, tensörlerle aritmetik işlemler hesaplanabilir.

Bir tensör, vektörlerin ve matrislerin bir genellemesidir  ve çok boyutlu bir dizi olarak kolayca anlaşılabilir.

Vektörler 1D tensörleri oluşturmak ve işlemek için kullanılırken, matrisler 2D tensörleri oluşturmak ve işlemek için kullanılar.

Tensör notasyonu, matrix notasyonu gibidir.  Tensör notasyonu, tensörü temsil eden büyük harflİ (T) ve tensör içindeki skaler değerleri temsil eden alt indis tamsayılı küçük harfli,  matris notasyonuna çok benzer.

     t111, t121, t131     t112, t122, t132     t113, t123, t133
T = (t211, t221, t231),  (t212, t222, t232),  (t213, t223, t233)     
t311, t321, t331     t312, t322, t332     t313, t323, t333

Skalerler, vektörler ve matrislerle gerçekleştirilebilen işlemlerin çoğu, tensörlerle gerçekleştirilmek üzere yeniden formüle edilebilir.

import numpy as np  
T=np.array([     [[1,2,3],[4,5,6],[7,8,9]],    
[[10,20,30],[40,50,60],[70,80,90]],    
[[21,22,23], [24,25,26], [27,28,29]],     ])  
print(T.shape) print(T)
ÇIKTI :  
(3, 3, 3)

[[[ 1  2  3]   [ 4  5  6]   [ 7  8  9]]    
[[10 20 30]   [40 50 60]   [70 80 90]]    
[[21 22 23]   [24 25 26]   [27 28 29]]]

Bir yanıt yazın

E-posta adresiniz yayınlanmayacak. Gerekli alanlar * ile işaretlenmişlerdir

error: Yapay ZekAi : İçerik Korumalıdır !!