728x90
반응형
저번 글(텐서 타입)에 이어서 기본적인 연산에 대한 공부입니다.
주피터 노트북으로 실습
In [1] :
import torch
def describe(x):
print("타입: {}".format(x.type()))
print("크기: {}".format(x.shape))
print("값: \n{}".format(x))
- 라이브러리를 불러온 후, 설명을 위한 간단한 함수를 정의합니다.
In [2] :
x = torch.randn(2,3)
describe(x)
- 실습을 진행하기 위해서 텐서 생성합니다.
In [3] :
describe(torch.add(x, x))
- torch.add() 함수를 사용해 연산 수행합니다.
- torch.add(), torch.sub() 등 다양한 함수가 존재합니다.
In [4] :
describe(x + x)
- 일반적인 +, -, *, / 를 사용해 연산하는 것도 가능합니다.
In [5] :
x = torch.arange(6)
describe(x)
- torch.arange() 함수를 사용해 1차원 크기의 텐서를 반환할 수 있습니다.
In [6] :
x = x.view(2,3)
describe(x)
- view() 메서드로 동일한 데이터를 공유하는 새로운 텐서를 만듭니다.
- view() 함수를 사용해 원래의 텐서를 원하는 형태로 변경할 수 있습니다.
In [7] :
describe(torch.sum(x, dim=0))
In [8] :
describe(torch.sum(x, dim=1))
- torch.sum() 함수를 사용해 행과 열을 기준으로 연산이 가능합니다.
- 2D 텐서는 행을 차원 0, 열을 차원 1로 표현합니다.
In [9] :
describe(torch.transpose(x, 0, 1))
- tranpose() 함수를 사용해 transpose연산이 가능합니다.
- 자세한 설명은 공식문서에서 확인하실 수 있습니다.
도움이 되셨다면 아래 광고 한 번만 클릭해주세요 감사합니다!
728x90
반응형
'머신러닝 & 딥러닝 > 자연어처리' 카테고리의 다른 글
자연어처리(NLP)에 쓰이는 13가지 기초 용어 알아보기 (0) | 2021.11.29 |
---|---|
파이토치 기초 텐서(Tensor) 인덱싱, 슬라이싱, 합치기(연결) - torch.index_select(), cat(), stack() (0) | 2021.11.28 |
파이토치 기초 텐서(Tensor) 타입 - float, long, double (0) | 2021.11.27 |
파이토치 기초 텐서(Tensor) 다루기 - torch.Tensor(), rand(), randn(), zeros(), ones(), fill_(), from_numpy() (0) | 2021.11.27 |
원-핫 표현, TF 표현, TF-IDF 표현 (0) | 2021.11.25 |
댓글