A recente explosão de machine learning e deep learning tornou os tensores populares. TensorFlow e PyTorch são dois frameworks com suporte a API de tensor. Em relação aos tensores, assinale a opção incorreta.
- A)Tensor representa um array multidimensional junto com operações definidas.
Certa: tensor pode ser visto como um array multidimensional associado a operações matemáticas e computacionais.
- B)Os tensores, internamente, são implementados como estruturas de dados leves que mantêm um ponteiro para o armazenamento e outros metadados, como tamanho e forma.
Certa: tensores costumam ser estruturas leves com ponteiro para o armazenamento e metadados como shape e tamanho.
- C)Os próprios dados do tensor são armazenados em um buffer contíguo.
Certa: os valores do tensor normalmente ficam em um buffer contíguo na memória.
- D)Utilizar um buffer contíguo permite que vários tensores compartilhem os mesmos dados, mas forneçam diferentes visualizações.
Certa: um mesmo armazenamento pode ser compartilhado por diferentes visões do tensor, sem cópia dos dados.
- E)Quando os tensores têm dimensões diferentes, certas operações não podem ser realizadas sem primeiro colocar os tensores nas mesmas dimensões, para isso possuem a operação automática denominada replicação.
Errada: a compatibilização automática entre formas diferentes é chamada de broadcasting, e não replicação.
Gabarito: E
Tensor, de forma simples, é uma estrutura para representar dados em várias dimensões: um escalar, um vetor, uma matriz ou algo ainda maior. Em frameworks como TensorFlow e PyTorch, ele funciona como um array multidimensional com informações extras, como forma, tipo e dispositivo de armazenamento. Isso ajuda o framework a fazer contas rápidas e a organizar os dados sem complicação. A ideia importante é que o tensor não é só "um monte de números". Internamente, ele costuma ser uma estrutura leve que aponta para um bloco de memória e carrega metadados. Por isso, o mesmo dado pode aparecer em diferentes visões, sem precisar ser copiado toda hora. É a economia de memória trabalhando a seu favor, sem drama. Outro ponto clássico é que os dados ficam, em geral, em um buffer contíguo. Isso melhora desempenho e facilita operações internas. Em alguns casos, visões diferentes podem compartilhar o mesmo armazenamento base, o que explica por que mudanças em uma visão podem refletir em outra, dependendo da operação usada. O erro da alternativa E está no nome da operação automática. Quando tensores têm formas diferentes e precisam ser compatibilizados para operações, o mecanismo conhecido é o broadcasting, não "replicação". Então a banca quer que você perceba essa troca de termo: a ideia está parecida, mas o nome técnico está errado, e em prova isso derruba mesmo.