<p style="text-align: justify;"><em>Ch&agrave;o mừng c&aacute;c bạn đến với b&agrave;i viết thứ tư trong loạt b&agrave;i về&nbsp;<a href="https://tek4.vn/lap-trinh-neural-network-voi-pytorch-deep-learning-voi-pytorch/" target="_blank" rel="noopener"><strong>Lập Tr&igrave;nh Neural Network Với Pytorch</strong></a>. B&agrave;i viết n&agrave;y sẽ giới thiệu về Tensors, c&aacute;c thuật ngữ v&agrave; xem x&eacute;t c&aacute;c&nbsp;tensors indexes. Mục ti&ecirc;u nhằm cung cấp&nbsp;cho ch&uacute;ng ta kiến ​​thức cần thiết để sử dụng một số thuộc t&iacute;nh tensor cơ bản d&ugrave;ng trong Deep Learning. Bắt đầu th&ocirc;i!</em></p>
<h3 style="text-align: justify;">Tensor L&agrave; G&igrave;?</h3>
<p style="text-align: justify;"><img style="width: 100%;" src="http://tek4vn.2soft.top/public_files/capture-165-png-1" alt="Capture-165" /></p>
<p style="text-align: justify;"><span class="fontstyle0">Khi dữ liệu biểu diễn dạng 1 chiều, người ta gọi l&agrave; vector, mặc định khi viết vector sẽ viết dưới dạng cột.</span></p>
<p style="text-align: justify;"><span class="fontstyle0">Khi dữ liệu dạng 2 chiều, người ta gọi l&agrave; ma trận, k&iacute;ch thước l&agrave; số h&agrave;ng * số cột.</span></p>
<p style="text-align: justify;"><span class="fontstyle0">Khi dữ liệu nhiều hơn 2 chiều th&igrave; sẽ được gọi l&agrave; tensor, v&iacute; dụ như dữ liệu c&oacute; 3 chiều.</span></p>
<p style="text-align: justify;"><span class="fontstyle0">Ma trận l&agrave; sự kết hợp của c&aacute;c vector c&ugrave;ng k&iacute;ch thước. Xếp n vector k&iacute;ch thước m cạnh nhau th&igrave; sẽ được ma trận m*n. Th&igrave; tensor 3 chiều cũng l&agrave; sự kết hợp của c&aacute;c ma trận c&ugrave;ng k&iacute;ch thước, xếp k ma trận k&iacute;ch thước m*n l&ecirc;n nhau sẽ được tensor k&iacute;ch thước m*n*k.</span></p>
<p style="text-align: justify;">C&aacute;c đầu v&agrave;o, đầu ra v&agrave; c&aacute;c ph&eacute;p biến đổi trong mạng Neural đều được biểu diễn bằng c&aacute;c tensors v&agrave; kết quả l&agrave; lập tr&igrave;nh mạng Neural sử dụng nhiều tensors.</p>
<h4 class="sub-section-heading" style="text-align: justify;">C&aacute;c Trường Hợp Cụ Thể Của Tensors</h4>
<ul style="text-align: justify;">
<li>number</li>
<li>scalar</li>
<li>array</li>
<li>vector</li>
<li>2d-array</li>
<li>matrix</li>
</ul>
<p style="text-align: justify;">Sắp xếp danh s&aacute;ch tr&ecirc;n th&agrave;nh hai nh&oacute;m:</p>
<ul style="text-align: justify;">
<li>number, array, 2d-array</li>
<li>scalar, vector, matrix</li>
</ul>
<p style="text-align: justify;">Nh&oacute;m đầu ti&ecirc;n (number, array, 2d-array)&nbsp;l&agrave; c&aacute;c thuật ngữ thường được sử dụng trong khoa học m&aacute;y t&iacute;nh, nh&oacute;m thứ hai (scalar, vector, matrix)&nbsp;&nbsp;l&agrave; c&aacute;c thuật ngữ thường được sử dụng trong to&aacute;n học. C&aacute;c lĩnh vực nghi&ecirc;n cứu kh&aacute;c nhau thường sử dụng c&aacute;c thuật ngữ kh&aacute;c nhau tuy nhi&ecirc;n c&aacute;c thuật ngữ n&agrave;y biểu thị c&ugrave;ng một kh&aacute;i niệm. Trong Deep learning&nbsp;ch&uacute;ng ta thường chỉ gọi tất cả những thứ n&agrave;y l&agrave; tensor.</p>
<h4 class="sub-section-heading" style="text-align: justify;">Số Indexes Cần Thiết Để Truy Cập V&agrave;o Một Phần Tử</h4>
<p style="text-align: justify;">Mối quan hệ trong mỗi cặp n&agrave;y l&agrave; cả hai phần tử đều y&ecirc;u cầu c&ugrave;ng một số indexes để tham chiếu đến một phần tử cụ thể trong cấu tr&uacute;c dữ liệu.</p>
<table class=" aligncenter" style="height: 127px; width: 392px;" width="785">
<tbody>
<tr>
<td style="text-align: center;"><strong>Số&nbsp;Indexes</strong></td>
<td style="text-align: center;"><strong>Khoa Học M&aacute;y T&iacute;nh</strong></td>
<td style="text-align: center;"><strong>To&aacute;n Học</strong></td>
</tr>
<tr>
<td>0</td>
<td>number</td>
<td>scalar</td>
</tr>
<tr>
<td>1</td>
<td>array</td>
<td>vector</td>
</tr>
<tr>
<td>2</td>
<td>2d-array</td>
<td>matrix</td>
</tr>
</tbody>
</table>
<p style="text-align: justify;">V&iacute; dụ: Giả sử ch&uacute;ng ta c&oacute; mảng n&agrave;y</p>
<pre class="language-python"><code>&gt; a = [1,2,3,4]</code></pre>
<p style="text-align: justify;">B&acirc;y giờ, ch&uacute;ng ta muốn truy cập (tham chiếu)&nbsp;đến số 3 trong cấu tr&uacute;c dữ liệu n&agrave;y. Ch&uacute;ng ta c&oacute; thể l&agrave;m điều đ&oacute; bằng c&aacute;ch sử dụng một&nbsp;indexes như sau:</p>
<pre class="language-python"><code>&gt; a[2]
3</code></pre>
<p style="text-align: justify;">Logic n&agrave;y hoạt động tương tự đối với một vectơ.</p>
<p style="text-align: justify;">V&iacute; dụ kh&aacute;c, giả sử ch&uacute;ng ta c&oacute; mảng 2d-array n&agrave;y:</p>
<pre class="language-python"><code>&gt; dd = [
[1,2,3],
[4,5,6],
[7,8,9]
]</code></pre>
<p style="text-align: justify;">B&acirc;y giờ, giả sử ch&uacute;ng ta muốn truy cập (tham chiếu)&nbsp;đến số 3 trong cấu tr&uacute;c dữ liệu n&agrave;y.&nbsp;ch&uacute;ng ta cần hai indexes để định vị phần tử cụ thể.</p>
<pre class="language-python"><code>&gt; dd[0][2]
3</code></pre>
<p style="text-align: justify;">Logic n&agrave;y hoạt động tương tự đối với ma trận (matrix).</p>
<p style="text-align: justify;">Lưu &yacute; rằng, nếu ch&uacute;ng ta c&oacute; một số hoặc đại lượng v&ocirc; hướng (number hoặc scalar), ch&uacute;ng ta kh&ocirc;ng cần index, m&agrave; c&oacute; thể tham chiếu trực tiếp đến số hoặc đại lượng v&ocirc; hướng đ&oacute;.</p>
<h3 style="text-align: justify;">Tensors L&agrave; Kh&aacute;i Qu&aacute;t H&oacute;a</h3>
<p style="text-align: justify;">H&atilde;y xem điều g&igrave; sẽ xảy ra khi c&oacute; nhiều hơn hai indexes được y&ecirc;u cầu để truy cập (tham chiếu) đến một phần tử cụ thể trong c&aacute;c cấu tr&uacute;c dữ liệu m&agrave; ch&uacute;ng ta đang xem x&eacute;t n&agrave;y.</p>
<p style="text-align: justify;"><img style="width: 100%;" src="http://tek4vn.2soft.top/public_files/1-5-png" alt="1-5" /></p>
<p style="text-align: justify;">Khi cần nhiều hơn hai indexes để truy cập một phần tử cụ thể, ch&uacute;ng ta sẽ kh&ocirc;ng đặt t&ecirc;n cụ thể cho c&aacute;c cấu tr&uacute;c v&agrave; bắt đầu sử dụng t&ecirc;n chung.</p>
<h4 style="text-align: justify;">To&aacute;n Học</h4>
<p style="text-align: justify;">Trong to&aacute;n học, ch&uacute;ng ta ngừng sử dụng c&aacute;c từ như v&ocirc; hướng (scalar), vectơ (vector) v&agrave; ma trận (matrix), v&agrave; ch&uacute;ng ta bắt đầu sử dụng từ <em>tensor</em> hoặc <em>nd-tensor</em>. <em>n&nbsp;</em>cho ch&uacute;ng ta biết số indexes cần thiết để truy cập một phần tử cụ thể trong cấu tr&uacute;c.</p>
<h4 style="text-align: justify;">Khoa Học M&aacute;y T&iacute;nh</h4>
<p style="text-align: justify;">Trong khoa học m&aacute;y t&iacute;nh, ch&uacute;ng ta ngừng sử dụng c&aacute;c từ như, number, array, 2d-array v&agrave; bắt đầu sử dụng từ <em>multidimensional array</em> hoặc<em> nd-array</em>.&nbsp;<em>n&nbsp;</em>cho ch&uacute;ng ta biết số indexes cần thiết để truy cập một phần tử cụ thể trong cấu tr&uacute;c.</p>
<table class=" aligncenter" style="height: 86px; width: 369px;" width="369">
<tbody>
<tr>
<td><strong>Số Indexes&nbsp;</strong></td>
<td><strong>Khoa học m&aacute;y t&iacute;nh</strong></td>
<td><strong>To&aacute;n học</strong></td>
</tr>
<tr>
<td>n</td>
<td>nd-array</td>
<td>nd-tensor</td>
</tr>
</tbody>
</table>
<p style="text-align: justify;">Đối với c&aacute;c mục đ&iacute;ch thực tế trong lập tr&igrave;nh mạng Neural,&nbsp;tensors v&agrave; nd-arrays l&agrave; một.&nbsp;V&igrave; vậy, tensors l&agrave; mảng nhiều chiều hay gọi tắt l&agrave;&nbsp;nd-arrays. L&yacute; do ch&uacute;ng ta n&oacute;i tensor l&agrave; kh&aacute;i qu&aacute;t h&oacute;a l&agrave; v&igrave; ch&uacute;ng ta sử dụng từ tensor cho tất cả c&aacute;c gi&aacute; trị của <em>n</em> như sau:</p>
<ul style="text-align: justify;">
<li>Một đại lượng v&ocirc; hướng (scalar&nbsp;) l&agrave; một tensor 0 chiều.</li>
<li>Một vectơ l&agrave; một tensor 1 chiều.</li>
<li>Ma trận l&agrave; một tensor 2 chiều.</li>
<li>Một&nbsp;nd-array&nbsp;l&agrave; một tensor n chiều</li>
</ul>
<p style="text-align: justify;">Tensors&nbsp;cho ph&eacute;p ch&uacute;ng ta loại bỏ c&aacute;c thuật ngữ cụ thể n&agrave;y v&agrave; chỉ sử dụng <em>n</em> để x&aacute;c định số thứ nguy&ecirc;n m&agrave; ch&uacute;ng ta đang l&agrave;m việc.</p>
<h3 style="text-align: justify;">Kết Luận</h3>
<p style="text-align: justify;">B&agrave;i viết n&agrave;y đ&atilde; giới thiệu kh&aacute;i qu&aacute;t về tensors v&agrave; gi&uacute;p ta hiểu về c&aacute;c&nbsp;tensors indexes. B&agrave;i tiếp theo sẽ đề cập đến c&aacute;c kh&aacute;i niệm về&nbsp;rank, axes v&agrave; shape, ch&uacute;ng ta sẽ xem c&aacute;ch x&aacute;c định số lượng c&aacute;c th&agrave;nh phần c&oacute; trong một tensor. Đ&oacute; l&agrave;&nbsp;những thuộc t&iacute;nh cơ bản của tensor m&agrave; ch&uacute;ng ta sẽ sử dụng trong Deep learning.</p>
<p style="text-align: justify;">Hẹn gặp lại c&aacute;c bạn trong b&agrave;i viết sau!</p>
<p style="text-align: justify;">&nbsp;</p>
<hr />
<p style="text-align: center;"><em><strong>Fanpage Facebook:</strong>&nbsp;<a href="https://www.facebook.com/tek4.vn/">TEK4.VN</a></em>&nbsp;</p>
<p style="text-align: center;"><em><strong>Tham gia cộng đồng để chia sẻ, trao đổi v&agrave; thảo luận:</strong>&nbsp;<a href="https://www.facebook.com/groups/tek4.vn/">TEK4.VN - Học Lập Tr&igrave;nh Miễn Ph&iacute;</a></em></p>

Admin

Giới Thiệu Tensors – Lập Trình Neural Network Với Pytorch Bài 4

Cùng tác giả

Admin

Có liên quan