설치는 앞에서 해보았고, 여기에서 예제를 따라가면서 해보도록 한다. 이것은 완전 초짜의 따라가기이며 나의 생각입니다.
공부전 나의 상태
Python : 공부한적은 있지만 아주 아주 초급 문법만 사용함...TensorFlow : 공부한적은 있지만 아주 초급 문법도 사용할줄 모르는 상태
PyTorch : 쌩판 모름
공부 대상
https://pytorch.org/tutorials/beginner/blitz/tensor_tutorial.html#sphx-glr-beginner-blitz-tensor-tutorial-pyGetting Started
텐서(Tensors)
Tensors are similar to NumPy’s ndarrays, with the addition being that Tensors can also be used on a GPU to accelerate computing.
텐서는 NumPy의 ndarrays와 같다고 하는데, NumPy를 사용안해봐서 뭔진 모르겠고, 검색해보니 다차원 배열을 다루는것이라고 이해하면 되는데 사용법이 NumPy와 비슷하다는 얘기인데, GPU가속 계산까지 할 수 있다니... 엄청 좋은가 보다!! 그러나 현실은 아무것도 모르는 상태인데....계속해서 사용법은 아래와 같이 하면 된다고 한다. 그런데 예제를 두개로 분리해놓은걸 보니 순수하게 실행코드와 주변 코드를 분리해놓은것 같다.
from __future__ import print_function import torch
x = torch.empty(5, 3) print(x)
import는 java에서 많이 나오는것이라 python도 비슷할것 같고 from은 import하는데 필요한 함수만 가져올때 사용한다고 하네요.
이것을 실행시키면 아래와 같다고 하는데 실제 해보면, 할때마다 값이 다른걸 알 수 있다.
초기화를 한적이 없으니...
Out:
tensor([[ 3.2401e+18, 0.0000e+00, 1.3474e-08],
[ 4.5586e-41, 1.3476e-08, 4.5586e-41],
[ 1.3476e-08, 4.5586e-41, 1.3474e-08],
[ 4.5586e-41, 1.3475e-08, 4.5586e-41],
[ 1.3476e-08, 4.5586e-41, 1.3476e-08]])
에러 나는 경우)
(base) E:>python example1.py
Traceback (most recent call last):
File "example1.py", line 5, in <module>
print(x)
File "E:\ProgramData\Anaconda3\lib\site-packages\torch\tensor.py", line 57, in __repr__
return torch._tensor_str._str(self)
File "E:\ProgramData\Anaconda3\lib\site-packages\torch\_tensor_str.py", line 218, in _str
fmt, scale, sz = _number_format(self)
File "E:\ProgramData\Anaconda3\lib\site-packages\torch\_tensor_str.py", line 96, in _number_format
if value != math.ceil(value.item()):
RuntimeError: Overflow when unpacking long
torch.empty(행, 열) <= 초기화 안된 배열을 만듭니다.
차원이 커진다면 다음과 같은 형태를 가집니다. torch.empty(ND, ... , 3D ,2D, 1D)
아래는 함수 이름만 봐도 이해가 갈것 같다.
랜덤한 값을 가지도록
x = torch.rand(5, 3) print(x)이건 초기값을 0을 가지도록, 그런데 뒤에 dtype이란게 있네 이건 배열의 초기값을 long형태를 취한다고 보면 되네...호호호 껌이네...
x = torch.zeros(5, 3, dtype=torch.long) print(x)직접 값을 넣고 싶을땐아래처럼 tensor라고 해주면 되네... 차원 설정도 정의된대로 되는것 같네 이거 완전 꿀인데...
x = torch.tensor([5.5, 3]) print(x)
그 다음 아래 예제는 뭔가 복잡하고 이해가 안되는데
x = x.new_ones(5, 3, dtype=torch.double) # new_* methods take in sizes print(x)new_ones는 뒤쪽 크기로 텐서를 만들고 해당값을 1=one 값을 넣는것 이다.
tensor([[ 1., 1., 1.], [ 1., 1., 1.], [ 1., 1., 1.], [ 1., 1., 1.], [ 1., 1., 1.]], dtype=torch.float64)아래는 기존에 들어있는 텐서 크기를 사용해서 새로운 텐서를 만든다. 여기서는 랜덤..
x = torch.randn_like(x, dtype=torch.float) # override dtype! print(x) # result has the same size끝으로 텐서 크기를 알고자 한다면 size라는 메소드가 있다. 이건 어딜가나 비슷한것 같은데 다차원 배열이다보니 넘어오는 형태가 튜플 형태라고 하는데.. "[ 값, 값 ]" 으로 표기되지만 튜플이라고 하네요. 튜플은 ( ) 형태인데 좀 이상하긴합니다.
print(x.size())
torch.Size([5, 3])
연산(Operations)
There are multiple syntaxes for operations. In the following example, we will take a look at the addition operation.
앞에서 텐서를 정의하고 초기화 하는 방법들에 대해서 알아봤는데 여기에서는 연산 하는 방법에 대해서 나옵니다.y = torch.rand(5, 3)
직접 더해도 되고,
print(x + y)
함수를 호출 해도 되는데
print(torch.add(x, y))
특정 위치에 저장하고 싶다면 아래 처럼 out을 미리 설정할 수 있다네....
result = torch.empty(5, 3) torch.add(x, y, out=result) print(result)y=y+x 인것 같은데 이런형태 자주 쓸라나 모르겠네요.
# adds x to y y.add_(x) print(y)그러면서 "_" 가 붙어있으면 위의 예처럼 y값이 변화되는 연산이라고 하네요
x.copy_(y) 여기에서는 x가 결과로 변화됨
그 다음 예제가 NumPy 에 있는것과 비슷하다고 하는데 NumPy와 비슷한지는 모르겠고, 좀더 많은 예제를 만들어서 테스트 했습니다.
print(x[:, 1])
:, N 예제)
from __future__ import print_function import torch x = torch.rand(5, 3) print(x) print(x[:,0]) print(x[:,1]) print(x[:,2]) print(x[0,:]) print(x[1,:])
(base) E:\>python example1.py tensor([[ 0.0254, 0.6270, 0.4110], [ 0.7731, 0.2483, 0.6898], [ 0.7789, 0.8019, 0.0666], [ 0.5805, 0.8569, 0.9948], [ 0.1684, 0.8373, 0.2113]]) tensor([ 0.0254, 0.7731, 0.7789, 0.5805, 0.1684]) tensor([ 0.6270, 0.2483, 0.8019, 0.8569, 0.8373]) tensor([ 0.4110, 0.6898, 0.0666, 0.9948, 0.2113]) tensor([ 0.0254, 0.6270, 0.4110]) tensor([ 0.7731, 0.2483, 0.6898])
하나만 놓고 생각해보면 배열의 고정된 위치의 값들을 하나의 tensor 형태로 돌려줍니다.
tensor([[ 0.0254, 0.6270, 0.4110], [ 0.7731, 0.2483, 0.6898], [ 0.7789, 0.8019, 0.0666], [ 0.5805, 0.8569, 0.9948], [ 0.1684, 0.8373, 0.2113]])
print(x[:,2])
형태를 변형하고 싶을때 torch.view 를 사용한다고 합니다.
x = torch.randn(4, 4) y = x.view(16) z = x.view(-1, 8) # the size -1 is inferred from other dimensions print(x.size(), y.size(), z.size())특이점은 -1 이 들어가는 부분인데 크기가 안맞으면 알아서 나오는 부분이라고 하네요
Out:
torch.Size([4, 4]) torch.Size([16]) torch.Size([2, 8])
꼭 크기가 1자리 텐서여야 합니다.
x = torch.randn(1) print(x) print(x.item())
Out:
tensor([ 1.3159])
1.3159412145614624
NumPy 연결 (NumPy Bridge)
이게 뭔말인고 하니, Torch 텐서와 연결된 NumPy 변수는 Torch 텐서 변수가 변경되면 같이 변경된다고하네요.ones는 1을 의미하고 5는 5개짜리 배열을 의미합니다.
a = torch.ones(5)
print(a)
Out:
tensor([ 1., 1., 1., 1., 1.])
b = a.numpy()
print(b)
Out:
[1. 1. 1. 1. 1.]
a.add_(1) print(a) print(b)
결과 a도 변하고 b도 변하고.... 반대로 b를 변경해도 a가 변합니다.
Out:
tensor([ 2., 2., 2., 2., 2.])
[2. 2. 2. 2. 2.]
from __future__ import print_function import torch a = torch.ones(5) print(a) b = a.numpy() print(b) a.add_(1) print(a) print(b) b[0]=b[0]+1 print(a) print(b) a[0]=a[0]+1 print(a) print(b)
(base) E:\>python example1.py tensor([ 1., 1., 1., 1., 1.]) [1. 1. 1. 1. 1.] tensor([ 2., 2., 2., 2., 2.]) [2. 2. 2. 2. 2.] tensor([ 3., 2., 2., 2., 2.]) [3. 2. 2. 2. 2.] tensor([ 4., 2., 2., 2., 2.]) [4. 2. 2. 2. 2.]
NumPy배열을 Torch텐서로 변경(Converting NumPy Array to Torch Tensor)
b = torch.form_numpy(a)함수를 사용하면 numpy 배열을 사용할 수 있다고하는데 이렇게 되면 a, b가 연결이 됩니다.import numpy as np a = np.ones(5) b = torch.from_numpy(a) np.add(a, 1, out=a) print(a) print(b)
Out:
[2. 2. 2. 2. 2.]
tensor([ 2., 2., 2., 2., 2.], dtype=torch.float64)
from __future__ import print_function import torch import numpy as np a = np.ones(5) b = torch.from_numpy(a) np.add(a, 1, out=a) print(a) print(b) b[0]=b[0]+1 print(a) print(b) a[0]=a[0]+1 print(a) print(b)
(base) E:\>python example1.py [2. 2. 2. 2. 2.] tensor([ 2., 2., 2., 2., 2.], dtype=torch.float64) [3. 2. 2. 2. 2.] tensor([ 3., 2., 2., 2., 2.], dtype=torch.float64) [4. 2. 2. 2. 2.] tensor([ 4., 2., 2., 2., 2.], dtype=torch.float64)
All the Tensors on the CPU except a CharTensor support converting to NumPy and back.
끝으로 CPU 텐서들이 NumPy 컨버팅을 제공 한다고 하는데, GPU는 되는지 자세한 설명은 없습니다. GPU가 없어서 테스트는 못해봤습니다.
댓글 없음:
댓글 쓰기