Interactivo
Sin instalar nada y sin cuenta. Cada una de estas herramientas se ejecuta en tu navegador, en inglés o en español, y responde una pregunta que las páginas solo pueden describir: mueve un control y las formas, los strides y los números se mueven con él. Todas están además enlazadas desde la sección a la que pertenecen, en el manual y en los cuadernos.
🧮 Simulador de broadcasting
Escribe dos formas. Mira cómo NumPy las alinea desde la derecha, rellena la más corta y estira cada eje de tamaño 1 — o lo rechaza, y dice en qué eje. Sección 03.
🧊 El tensor de imagen
Tres fotos reales como un solo tensor 4-D, un cubo por byte, hasta 128 × 128. Transpónlo y observa cómo los cubos siguen la nueva forma sin que se mueva ni un byte del búfer; hazle reshape y mira cómo la imagen se rompe; reescribe el búfer en C, Fortran o channels_last y verás que solo se mueve la memoria. Cada clic imprime el NumPy y el PyTorch que lo hace. Sección 04.
Directo a transpose, reshape o la disposición en memoria.
👁️ La atención, de las palabras a los pesos
Una frase de cuatro palabras, “I know you know”, seguida a través de una sola cabeza de atención con números lo bastante pequeños como para sumarlos a mano: las palabras cortadas en tokens, los tokens codificados como ids, los ids trayendo filas de una tabla de embeddings, esas filas proyectadas en consultas, claves y valores, las puntuaciones, por qué se dividen entre √d_k, softmax convirtiéndolas en pesos que suman uno, y el promedio ponderado que es la salida. Después, más cabezas y el lote que recibe un modelo real. Cada imagen lleva el NumPy que la calcula. Secciones 04 y 06, y apéndice B.
Directo a por qué √d_k, las puntuaciones, softmax o cada cabeza con su propio eje.
📐 Escenario de proyección y SVD
Los mínimos cuadrados son una proyección: desplázate y observa cómo la sombra de un vector objetivo aterriza en el plano que generan sus predictores, con el residuo encontrándolo en ángulo recto. Después el portal de la SVD, donde una circunferencia unidad se vuelve una elipse y A v = σ u deja de ser notación, y de ahí a los autovectores, dos columnas casi colineales y float32 dividiendo exactamente por cero. Un mismo problema, secciones 07, 08 y 09.
Directo al portal de la SVD, los autovectores o float32 dividiendo por cero.
🎙️ El tensor de audio
El aire se vuelve números: 48 000 por segundo, cada uno redondeado a 16 bits, escritos en un array que puedes escuchar. Luego se recorta una ventana, se le pregunta a la transformada qué frecuencias hay en ella, y la ventana avanza para construir una matriz de frecuencia por tiempo, 513 × 465, y puedes oír qué le hace una transposición. Termina en el lote de rango 4 que recibe un modelo: tres grabaciones apiladas. Secciones 00, 02, 04 y 09, y apéndice E.
Directo a una ventana, la transformada, la mejor aproximación de rango k que existe o el lote.
🚕 Tucker y CP
Un tensor real, factorizado de dos maneras: 6.383 viajes de taxi de Nueva York, barrio de origen por barrio de destino por hora del día, como un cubo de vóxeles que puedes girar y en el que puedes hacer clic: tres cuartas partes de él son una sola ruta de Manhattan. Mira cómo el cubo se extiende en cada desplegado, qué encuentra la SVD de uno de ellos, y recompón un núcleo pequeño más tres matrices factor: 480 números reducidos a 102, con un 6,7% de error, y una sola entrada del núcleo que lleva el 99% del ajuste. Luego construye el mejor término de rango 1 que existe, mira cómo son varios de ellos, reproduce los mínimos cuadrados alternos resolución a resolución desde cinco puntos de partida que no siempre coinciden, y gasta un mismo presupuesto de parámetros de las dos maneras. Secciones 10 y 11, y apéndice C.
Directo al cubo extendido, al núcleo y sus tres factores, a un término de rango 1, a ALS, resolución a resolución o al mismo presupuesto gastado de dos maneras.