[PyTorch] 텐서 (Tensor)

텐서 (Tensor)

 

텐서 (tensor)는 배열 (array)이나 행렬 (matrix)과 유사한 자료구조이다. pyrorch에서 tensor를 사용하여 모델의 입력 (input)과 출력 (output), 그리고 모델의 매개변수들을 부호화 (encode)한다.

 

import torch
import numpy as np

 

tensor는 GPU나 다른 하드웨어 가속기에서 실행할 수 있다는 점만 제외하면 numpy의 ndarray와 유사하다. 실제로 tensor와 numpy array는 종종 동일한 내부 (underly) 메모리를 공유할 수 있어 데이터를 복사할 필요가 없다. tensor는 자동 미분 (automatic differentiation)에 최적화되어 있다.

 

tensor 초기화

 

tensor는 여러가지 방법으로 초기화할 수 있다. 데이터로부터 직접 (directly) 생성하기 데이터로부터 직접 tensor를 생성할 수 있다. 데이터의 자료형 (data type)은 자동으로 유추한다.

 

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

 

numPy array로부터 생성하기

 

np_array = np.array(data)
x_np = torch.from_numpy(np_array)

 

tensor는 numpy array로 생성할 수 있다.

 

다른 tensor로부터 생성

 

x_ones = torch.ones_like(x_data) # x_data의 속성을 유지
print(f"Ones Tensor: \n {x_ones} \n")

x_rand = torch.rand_like(x_data, dtype=torch.float) # x_data의 속성을 덮어씀
print(f"Random Tensor: \n {x_rand} \n")

Out:

Ones Tensor:
 tensor([[1, 1],
        [1, 1]])

Random Tensor:
 tensor([[0.4738, 0.5467],
        [0.5430, 0.1616]])

 

명시적으로 재정의 (override)하지 않는다면, 인자로 주어진 tensor의 속성 (모양 (shape), 자료형 (datatype))을 유지한다.

 

무작위 (random) 또는 상수 (constant) 값을 사용

 

shape = (2,3,)
rand_tensor = torch.rand(shape)
ones_tensor = torch.ones(shape)
zeros_tensor = torch.zeros(shape)

print(f"Random Tensor: \n {rand_tensor} \n")
print(f"Ones Tensor: \n {ones_tensor} \n")
print(f"Zeros Tensor: \n {zeros_tensor}")

Out:

Random Tensor:
 tensor([[0.7759, 0.1138, 0.4539],
        [0.6169, 0.2986, 0.2102]])

Ones Tensor:
 tensor([[1., 1., 1.],
        [1., 1., 1.]])

Zeros Tensor:
 tensor([[0., 0., 0.],
        [0., 0., 0.]])

 

shape는 tensor의 차원 (dimension)을 나타내는 튜플 (tuple)로, 출력 tensor의 차원을 결정한다.

 

https://tutorials.pytorch.kr/beginner/basics/tensorqs_tutorial.html

텐서(Tensor) — PyTorch Tutorials 1.10.0+cu102 documentation