Pythrch | 기초

---

Basic

Tensor

파이토치를 이용해 텐서의 차원을 다루어보자

import torch


def print_description(x):
    print(x)
    print(f'Size:{x.size()}')
    print(f'Shape:{x.shape}')
    print(f'dimension:{x.ndimension()}')
    print()


# make tensor and print description
x = torch.tensor([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
print_description(x)

# 랭크 늘리기
x = torch.unsqueeze(x, 0)
print_description(x)

# 랭크 줄이기
x = torch.squeeze(x)
print_description(x)

# view
x = x.view(9)
print_description(x)

 

tensor()

텐서를 만든다.

unsqueeze()

랭크(dimension)을 늘린다.

squeeze()

랭크(dimension)을 줄인다.

view()

랭크(dimension)을 원하는 만큼으로 설정한다.

행렬 곱

import torch

w = torch.randn(5, 3, dtype=torch.float)
x = torch.tensor([[1.0, 2.0], [3.0, 4.0], [5.0, 6.0]])

print("w size", w.size())
print("x size", x.size())
print("w:", w)
print("x:", x)

b = torch.randn(5, 2, dtype=torch.float)
print("b size", b.size())
print("b:", b)

# 행렬 곱
wx = torch.mm(w, x)
print("wx size:", wx.size())
print("wx:", wx)

result = wx + b
print("result size:", result.size())
print("result:", result)

torch.mm() 함수를 이용한다.

numpy.dot() 이랑 같은 기능인가 보다.

 

Autograd

직역하면 "자동기울기"

미분 계산을 자동화하여 경사하강법을 구현하는 수고를 덜어준다.

사용해보자.

import torch

w = torch.tensor(1.0, requires_grad=True)
a = w * 3
l = a ** 2

l.backward()
print(f'l을 w로 미분한 값은 {w.grad}')

l을 w로 미분한 값은 18.0

requires_gard=True 값을 설정하면 pytorch의 Autograd 기능이 자동으로 계산할 때 w에 대한 미분값을 w.grad에 저장한다.

변수를 수식으로 표현하면 아래와 같다.

backward()를 통해 역전파로 미분값을 구한다.