Khởi tạo, Thao tác Shape và Kiểm soát Device trên PyTorch Tensor

Mục tiêu kiến thức

• Khởi tạo torch.Tensor từ danh sách hoặc mảng dữ liệu thô.
• Ép buộc thiết bị thực thi là CPU (device='cpu') để tương thích với runner.
• Thao tác thay đổi kích thước an toàn bằng .view() hoặc .reshape().
• Chuyển đổi kiểu dữ liệu (float32, int64) và kiểm tra requires_grad=False.

Mô tả bài toán

PyTorch là framework Deep Learning tiêu chuẩn công nghiệp. Trước khi xây dựng mạng nơ-ron, kỹ sư phải thành thạo việc tạo tensor chuẩn xác trên CPU, chuyển đổi shape và kiểm soát bộ nhớ để tránh lỗi thiếu bộ nhớ (OOM).

Yêu cầu

Viết hàm process_batch_tensors(raw_inputs: list[list[float]], target_shape: tuple[int, ...], target_dtype: str = "float32") -> dict[str, Any]:

• Chuyển danh sách raw_inputs thành một torch.Tensor đặt trên thiết bị CPU (device="cpu").
• Ép kiểu dữ liệu tensor:
• Nếu target_dtype == "float32", dùng torch.float32.
• Nếu target_dtype == "float64", dùng torch.float64.
• Nếu target_dtype == "int64", dùng torch.int64.
• Ngược lại ném ra ngoại lệ ValueError.
• Kiểm tra nếu tổng số phần tử không khớp với target_shape, ném ra ngoại lệ ValueError.
• Thay đổi hình dạng của tensor sang target_shape.
• Tính giá trị trung bình mean_val (dưới dạng float tiêu chuẩn của Python) và tổng sum_val (dưới dạng float tiêu chuẩn).
• Trả về một dictionary gồm:
• "tensor": Tensor PyTorch sau khi reshape.
• "device_type": Chuỗi kiểu thiết bị (tensor.device.type, phải là "cpu").
• "shape": Tuple kích thước của tensor.
• "mean": Giá trị trung bình float.
• "sum": Tổng giá trị float.

import torch
from typing import Any

def process_batch_tensors(raw_inputs: list[list[float]], target_shape: tuple[int, ...], target_dtype: str = "float32") -> dict[str, Any]:
    pass

Ràng buộc

• Thời gian chạy tối đa: 2000ms.
• Giới hạn bộ nhớ: 256MB.
• Dữ liệu đầu vào hợp lệ theo đúng kiểu dữ liệu và miền giá trị được mô tả.