[Pytorch] 파이토치 기초 - 텐서 속성 살펴보기 / 텐서 연산

-- 본 포스팅은 파이토치로 배우는 자연어 처리 (한빛미디어) 책을 참고해서 작성된 글입니다.
-- 소스코드 ) https://github.com/rickiepark/nlp-with-pytorch

 

0. 텐서의 타입, 크기, 값을 나타내는 함수 작성

확실한 타입, 크기의 변화를 확인하기 위해 아래와 같은 헬퍼 함수를 작성한다.

def describe(x):
    print("타입: {}".format(x.type()))
    print("크기: {}".format(x.shape))
    print("값: {}".format(x))

 

1. 텐서의 타입과 크기 (속성)

텐서에는 FloatTensor, LongTensor, DoubleTensor 등 다양한 형태의 텐서가 존재한다. 모든 텐서를 다루기 전에는 언제나 텐서의 속성을 살펴보고 작업을 수행하는 것이 굉장히 중요하다. 

import torch
x = torch.FloatTensor([[1,2,3], [4,5,6]])
describe(x)

1.1 텐서 타입 변경하기

# 앞에 형성된 floattensor 형태의 텐서를, longtensor로 변경한다
x = x.long()
describe(x)

#floatTensor로 변경
x = x.float()
describe(x)

1.2 텐서 크기 확인하기 (shape, size())

- shape, size() 를 사용하여 텐서의 크기를 살펴볼 수 있다. 두 개의 메서드는 같은 것이다.

x.shape
x.size()

 

2. 텐서 연산

2.1 텐서에 일정 값 더하기 (add)

- 텐서 생성

x = torch.randn(2,3)
describe(x)

- add 연산 수행

# x에 x를 더하는 연산
describe(torch.add(x,x))

# x에 특정 수를 더하는 연산
describe(torch.add(x,10))

- add연산을 사용하지 않고 + 를 활용할 수 도 있다.

describe(x + 100)

2.2 특정 값만큼 증가하는 텐서로 생성하기 (arange)

- arange함수는 0부터 시작해서 1씩 증가되어 지정된 값 이전까지 1씩 증가하는 텐서를 만드는 함수이다.

x = torch.arange(1,6)
describe(x)

x = torch.arange(6)
describe(x)

- veiw 메서드는 동일한 데이터를 공유하는 새로운 텐서를 만드는 메서드

x = x.view(2,3)
describe(x)

2.3 텐서 sum 활용하기 (axis, dim)

axis의 개념을 알아야한다.

- dim =0 이라는 매개변수를 추가해주었기 때문에, col 기준으로 sum을 하게 된다. tensor의 형태는 2row 3col 형태였고 col 기준으로 더했으니까 sum한 tensor size는 3으로 출력된다. (결과 아래)

# tensor에서는 axis, dim 두가지로 사용하곤 한다.
describe(torch.sum(x, dim = 0))

- axis (dim) = 1로 했을 때는 row기준으로 연산되어 size 2인 tensor가 출력된다. (아래)

describe(torch.sum(x, dim = 1))

- dim, axis 매개변수 없이 sum하게 되면, tensor 내의 모든 값을 더한 값이 출력된다.

# dim 없이 sum을 하면 모든 값을 합친 값이 나온다.
describe(torch.sum(x))

2.4 텐서 행렬 곱셈 (mm)

 

2.5 텐서 역행렬 구하기 (inverse, pinverse)

 

2.6 텐서 대각합 구하기 (trace)