본문 바로가기

pytorch

[Linear Layer] 메타코드 강의 후기_챕터2: Pytorch Fundamentals - Neural Network - Matrix Multiplication 저번시간까지 텐서 이론 + 실습을 했다면 이번 시간에는1. Matrix Multiplication, 2. Neural Net : Linear Layer 에 대해 공부해보도록 하자.    1. Matrix Multiplication - R은 차원 T는 transformM은 matrix - 절댓값을 씌워서 차원을 표시하기도 함- 콤마 뒤에 1은 생략 가능하다  - 쉐입이 같아야 연산 가능하다.    배치 -> 묶어서 한다. Batch Matrix Multiplication(BMM)은 같은 개수의 행렬 쌍들에 대해서 병렬로 행렬 곱을 실행한다.   인풋 벡터에 웨이트가 곱해져서 하나의 아웃풋 벡터가 나오는데이걸 N번 하는 것보다 한번으로 처리해버리면 속도가 빨라지기 때문에 배치학습을 사용하는 것이다.  실제로.. 더보기
[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
[파이토치] 메타코드 강의 후기_챕터2: Tensor 다루기 part 1 [ Tensor 다루기 - part 1 ] 강사님이 제공해주신 실습 파일을 Google Colab에 업로드하고 수업을 들으면 된다. 먼저 torch를 설치해야하므로 ! pip install torch ( !는 운영환경에서 실행되는 코드라는 의미 ), 코랩은 생략해도 됨 Tensor : Numpy의 배열과 유사한 자료형으로 다차원의 행렬. 사용하는 방법도 Numpy와 비슷하다. scalar : 상수, 하나의 값을 표현한다. vector : 여러개의 값을 가진 1차원의 데이터 matrix : 행렬, 행과 열로 이루어진 2차원의 데이터 tensor : n차원의 행렬 형태로 표현된다. scalar는 0차원 vector는 1차원, matrix는 2차원 텐서라고 할 수 있다. 차원은 축이 몇개냐로 판단한다. 가로 .. 더보기

티스토리툴바