[Tensor] 메타코드 강의 후기_챕터2: Tensor 다루기 part 3
4. Indexing원하는 원소나 영역을 특정 부분 뽑고 싶을 때 index를 이용하여 선택기존의 numpy, pandas의 indexing과 유사!! ex) a = torch.tensor([[1,2,3],[4,5,6],[7,8,9]])a[1][2] ==> 결과 tensor(6) 5. Shaping Operation : reshape, squeeze/unsqueeze, stack, cat텐서의 shape, dimension을 조절하는 방법여러개의 텐서를 합치는 방법Tensor.reshape()모양을 변경할 수 있음원래 사이즈를 구성하는 각 차원 별 길이의 곱으로 표현 가능하다면 변경 가능Tensor.shape 이 [x, y] 라면, 총 input size인 x*y의 값으로 표현할 수 있는 차원의 조합이면..
더보기
[Tensor] 메타코드 강의 후기_챕터2: Tensor 다루기 part 2
2. Attribute : shape, dtype, device앞서 만들어진 텐서가 어떤 모양인지, 어떤 데이터 타입인지, 어떤 디바이스(cpu, gpu)로 연결되었는지 확인할 수 있는 명령어들을 배우고자 한다. 1) Tensor.shapeex) b = torch.ones([3,4,5,5]) b.shape {[(5,5) 메트릭스] x 4개} 3개 2) Tensor.dtype텐서 안에는 무조건 같은 데이터타입 사용하기. ex) a.dtype ==> 결과torch.int64 # pytorch 자료형 참고 float_tensor = torch.ones([3, 5, 5], dtype=torch.float) #dype을 float으로 하겠다고 미리 선언double_tensor = torch.one..
더보기
