Lección 3 del curso PyTorch Nivel Básico.
En la lección anterior vimos cómo instalar PyTorch localmente en nuestros computadores y cómo configurar la librería para hacer uso de la GPU (en caso de que esta esté disponible).
Así que con esto ya estamos listos para comenzar a aprender a usar esta librería. Y en esta lección comenzaremos entendiendo qué son los tensores, el tipo de dato usado en PyTorch para almacenar toda la información requerida para entrenar, validar y generar predicciones con modelos de Deep Learning:
Contenido exclusivo para suscriptores
Si eres suscriptor accede en este enlace ó suscríbete a la Academia Online y accede a todo el contenido (lecciones en video, código fuente, sets de datos y descargas) de todos los cursos, proyectos y tutoriales.
Como acabamos de ver, un tensor en PyTorch es un arreglo (generalmente numérico) que puede tener una o múltiples dimensiones y que se usa para almacenar tanto los datos de entrenamiento como las predicciones y, por supuesto, todos los elementos que hacen parte de un modelo de Deep Learning.
Además vimos diferentes atributos y métodos que nos permiten operar sobre los tensores junto con varias herramientas básicas de manipulación de este tipo de dato, las cuales se asemejan mucho a las herramientas que vimos al momento de manipular arreglos de NumPY (los cuales vimos en detalle precisamente en el curso NumPy para Ciencia de Datos y Machine Learning).
Teniendo claros estos elementos básicos relacionados con los tensores, en la próxima lección veremos la manera en la que convencionalmente realizaremos la lectura y carga de datos en PyTorch, lo que resultará útil al momento de alimentar un modelo de Deep Learning.
Todas las lecciones del curso PyTorch Nivel Básico