Como funciona

Um tensor é uma generalização de vetores e matrizes para N dimensões. Escalar é tensor 0D, vetor é 1D, matriz é 2D. Em IA, tensores representam imagens, texto convertido em números e pesos de modelos.

Operações com tensores (multiplicação, convolução, atenção) são aceleradas por GPUs e TPUs, que processam milhares de operações em paralelo. O broadcasting permite operar tensores de formas diferentes automaticamente.

Erros de shape são comuns: dimensões incompatíveis causam falhas em tempo de execução. Entender a forma (shape) de cada tensor é essencial para depurar.

Exemplo prático

Uma imagem colorida de 224x224 pixels vira um tensor de forma (3, 224, 224): 3 canais (RGB), 224 de altura, 224 de largura. Um lote de 32 imagens tem forma (32, 3, 224, 224).

Python
import torch

img = torch.randn(3, 224, 224)  # tensor 3D
batch = torch.randn(32, 3, 224, 224)  # tensor 4D
print(batch.shape)  # torch.Size([32, 3, 224, 224])

a = torch.randn(3, 1)
b = torch.randn(1, 4)
c = a + b  # shape (3, 4)

Para que serve

Representar e manipular dados em modelos de IA. Entender tensores é essencial para trabalhar com frameworks como PyTorch e TensorFlow, depurar erros de shape e otimizar memória.

Tensores também são a base de operações de GPU: quanto mais eficiente o uso de tensores, mais rápido o treinamento e a inferência.