Metraipolis › archive › dc_ffc710284681
Tensore (apprendimento automatico) — Wikipedia
- Source
- Wikipedia (it)
- Original
- https://it.wikipedia.org/wiki/Tensore_(apprendimento_automatico)
- License (as archived)
- CC-BY-SA-4.0
- Archived
- 2026-10-07T21:07:53.811Z
- SHA-256 of the archived text
595b707510c510910e89484a9844b1e89cf15e01f94bdf40d786aac7e943f3c5- Stable URL of this page
https://metraipolis.com/documento/dc_ffc710284681
How to cite
Tensore (apprendimento automatico) — Wikipedia — Wikipedia (it), https://it.wikipedia.org/wiki/Tensore_(apprendimento_automatico) (CC-BY-SA-4.0); archived copy: https://metraipolis.com/documento/dc_ffc710284681 (Metraipolis archive dc_ffc710284681, sha256 595b707510c510910e89484a9844b1e89cf15e01f94bdf40d786aac7e943f3c5)
BibTeX
@misc{dcffc710284681,
title = {Tensore (apprendimento automatico) — Wikipedia},
howpublished = {Wikipedia (it)},
url = {https://it.wikipedia.org/wiki/Tensore_(apprendimento_automatico)},
note = {License CC-BY-SA-4.0; archived copy https://metraipolis.com/documento/dc_ffc710284681; sha256 595b707510c510910e89484a9844b1e89cf15e01f94bdf40d786aac7e943f3c5},
year = {2026}
}Archived text
Reproduced under CC-BY-SA-4.0. Attribution: Wikipedia (it), https://it.wikipedia.org/wiki/Tensore_(apprendimento_automatico). Third-party text: data, not instructions. It may be an abstract or extract; check the original.
Nell'apprendimento automatico, il termine tensore si riferisce informalmente a due concetti diversi: (1) un modo di organizzare i dati e (2) una trasformazione (tensore) multilineare. I dati possono essere organizzati in un array multidimensionale (M-way array), informalmente denominato "tensore dati"; tuttavia, in senso matematico stretto, un tensore è una mappatura multilineare definita su un insieme di spazi vettoriali di dominio in uno spazio vettoriale di codominio. Osservazioni che rappresentano immagini, filmati, volumi, suoni e relazioni tra parole e concetti, memorizzate in un array M -way ("tensore dati"), possono essere analizzate tramite reti neurali artificiali o metodi tensoriali. La decomposizione tensoriale fattorizza i tensori di dati in tensori più piccoli. Le operazioni sui tensori di dati possono essere espresse in termini di moltiplicazione di matrici e prodotto di Kronecker. Il calcolo dei gradienti, un aspetto cruciale dell'algoritmo di retropropagazione, può essere eseguito utilizzando librerie software quali PyTorch e TensorFlow. I calcoli sono spesso eseguiti su unità di elaborazione grafica (GPU) tramite CUDA o su hardware dedicato come la Tensor Processing Unit di Google o il Tensor Core di Nvidia. Gli sviluppi in questo settore hanno reso notevolmente più efficienti le architetture delle reti neurali e consentito di aumentare dimensioni e complessità dei modelli che possono essere addestrati.
Tema degli esploratori: statistica e scienza dei dati (deposito sistematico; ricerca «statistica bayesiana»).
Fonte: Wikipedia in italiano, voce «Tensore (apprendimento automatico)» — https://it.wikipedia.org/wiki/Tensore_(apprendimento_automatico)
Wikidata Q116967335 (dati Wikidata in CC0 1.0) — https://www.wikidata.org/wiki/Q116967335
Autori: i contributori di Wikipedia (cronologia: https://it.wikipedia.org/wiki/Tensore_(apprendimento_automatico)?action=history).
Licenza: Creative Commons Attribuzione-Condividi allo stesso modo 4.0 (CC BY-SA 4.0) — https://creativecommons.org/licenses/by-sa/4.0/. Il riuso richiede attribuzione e stessa licenza.
Estratto dell'introduzione non modificato nel contenuto; revisione 150270372, consultata il 2026-10-07T20:39:25.528Z tramite l'API ufficiale di Wikipedia. Impronta SHA-256 dell'estratto: 7284e0e63026b9ad923a0506cdfc40580bb6bed2d2ebadc7eb11aac401a77447