BOSOEK/MS_Pytorch

마이크로 소프트의 강의와 파이썬 딥러닝 책으로 파이토치의 개념을 정리하는 저장소입니다.

MS_Pytorch

마이크로 소프트의 강의와 파이썬 딥러닝 파이토치 책으로 파이토치를 다시 한번 정리하는 저장소

• 마이크로 소프트 ML 강의 바로가기

• 파이썬 딥러닝 파이토치 바로가기

---

Tensor

텐서란? Numpy의 ndarray와 유사하며 GPU등의 가속기에서 실행 할 수 있으며 자동 미분에 최적화 되있는 데이터 구조 이다.

import torch

• 텐서 초기화 : torch.tensor(data)

  data = [[1, 2], [3,4]]
  x = torch.tensor(data)

• 넘파이 배열에서 텐서 초기화 : torch.from_numpy

  narray = np.array(data)
  x = torch.from_numpy(narray) # 넘파이 배열을 텐서로 변환

• 텐서에서 텐서 얻기 : 속성은 그대로 값만 변경

  ones = torch.ones_like([[1,2], [3,4]])
  1,1,1,1로 설정
  ones = torch.zeros_like([[1,2], [3,4]])
  0,0,0,0로 설정
  rand = torch.rand_like([[1,2], [3,4]])
  0부터 1사이의 랜덤 값으로 설정

  함수에 리스트가 아닌 상수 값을 넣으면 텐서의 형태 지정 가능

  a = torch.ones_like(2, 3)

  >>> [[1, 1, 1],
      [1, 1, 1]]
  

• 텐서의 속성

  • 텐서의 모양(차원) : tensor.shape
  • 텐서 데이터 유형 : tensor.dtype
  • 텐서 장치 : tensor.device

• 텐서 작업 : GPU 사용 가능시 GPU 사용

  if torch.cuda.is_available( )
      tensor = tensor.to('cuda)
  

• 텐서 결합 : torch.cat()

  da = torch.ones(4, 4)
  t = torchc.cat([da, da, da], dim=1)

  >>> tensor([[1., 0., 1., 1., 1., 0., 1., 1., 1., 0., 1., 1.],
      [1., 0., 1., 1., 1., 0., 1., 1., 1., 0., 1., 1.],
      [1., 0., 1., 1., 1., 0., 1., 1., 1., 0., 1., 1.],
      [1., 0., 1., 1., 1., 0., 1., 1., 1., 0., 1., 1.]])
  

• 산술 연산

  torch.add(a1, a2) # 각각의 요소별 더하기
  torch.sub(a1, a2) # 각각의 요소별 빼기
  torch.mul(a1, a2) # 각각의 요소별 곱하기
  torch.div(a1, a2) # 각각의 요소별 나누기
  torch.matmul(a1, a2) # 행렬 곱셈