텐서(Tensor) 사용법

파이토치의 텐서(Tensor)의 사용법에 대해 알아보자. 다룰 내용은 다음과 같다.

 

1. 텐서의 생성

2. 텐서의 연산

3. 텐서의 변환

 

1. 텐서의 생성

 

In:

import torch

x = torch.rand(5, 3)

print(x)

 

Out:

tensor([[0.1501, 0.8814, 0.4848],
        [0.0723, 0.9468, 0.1327],
        [0.8581, 0.8050, 0.4441],
        [0.4888, 0.0157, 0.6959],
        [0.9666, 0.4729, 0.1983]])

 

▷ torch.rand()를 이용하여 0과 1 사이의 임의의 수가 원소인 5×3 행렬이 만들었다. 함수 안의 두 인자는 행과 열을 나타낸다.

 

In:

x = torch.rand(5, 3, 3)

print(x)

 

Out:

tensor([[[0.7756, 0.1651, 0.4810],
         [0.9195, 0.5424, 0.2873],
         [0.0130, 0.7445, 0.4326]],

        [[0.9263, 0.4488, 0.4638],
         [0.0491, 0.8813, 0.4010],
         [0.8378, 0.0515, 0.9314]],

        [[0.7421, 0.1748, 0.0500],
         [0.5526, 0.0150, 0.7348],
         [0.1633, 0.2840, 0.8414]],

        [[0.4233, 0.7684, 0.8441],
         [0.8695, 0.2692, 0.4962],
         [0.3590, 0.5625, 0.0550]],

        [[0.5758, 0.0916, 0.9793],
         [0.7746, 0.2130, 0.7856],
         [0.7545, 0.9474, 0.2108]]])

 

▷ torch.rand()에 세 개 이상의 인자를 넣어 다차원 텐서를 만들 수 있다.

 

In:

x = torch.zeros(5, 3, dtype = torch.long)

print(x)

 

Out:

tensor([[0, 0, 0],
        [0, 0, 0],
        [0, 0, 0],
        [0, 0, 0],
        [0, 0, 0]])

 

▷ torch.zeros()를 이용하여 모든 원소가 0이며, dtype을 torch.long으로 설정하여 데이터 타입이 long인  5×3 행렬이 만들었다.

 

직접 원소를 입력하여 텐서를 생성해보자.

 

In:

x = torch.tensor([5.5, 3])

print(x)

 

Out:

tensor([5.5000, 3.0000])

 

▷ torch.tensor()에 원소로 구성된 리스트를 인자로 주어 텐서를 생성할 수 있다.

 

In:

x = x.new_ones(5, 3, dtype = torch.double)

print(x)

 

Out:

tensor([[1., 1., 1.],
        [1., 1., 1.],
        [1., 1., 1.],
        [1., 1., 1.],
        [1., 1., 1.]], dtype=torch.float64)

 

▷ x에 torch.new_ones()를 이용하여 데이터 타입이 double이고 5×3 행렬로 바꾸었다. 기존 텐서를 이용하여 텐서의 정보를 변경할 수 있다.

 

2. 텐서의 연산

 

In:

x = torch.tensor([[1, 2], [3, 4]])
y = torch.tensor([[5, 6], [7, 8]])

print(x)
print(y)
print(x + y)

 

Out:

tensor([[1, 2],
        [3, 4]])
tensor([[5, 6],
        [7, 8]])
tensor([[ 6,  8],
        [10, 12]])

 

▷ +를 이용하여 두 텐서의 덧셈이 가능하다.

 

In:

print(torch.add(x, y))

 

Out:

tensor([[ 6,  8],
        [10, 12]])

 

▷ torch.add()를 이용하여 인자로 받은 두 텐서의 덧셈이 가능하다.

 

In:

print(x)

x.add_(y)

print(x)

 

Out:

tensor([[1, 2],
        [3, 4]])
tensor([[ 6,  8],
        [10, 12]])

 

▷ torch.add_()를 이용하여 두 텐서의 덧셈이 가능하다. 이때, 연산을 수행하는 텐서는 덧셈이 수행된 결과로 바뀐다.

 

▶ 끝에 _가 붙은 함수를 이용할 경우, 이를 수행하는 텐서가 연산의 결과로 바뀐다.

예) x.copy_(y), x.t_()

 

In:

print(x[:, 1])

 

Out:

tensor([ 8, 12])

 

▷ 넘파이(NumPy)처럼 인덱스를 이용하여 부분 선택이 가능하다.

 

In:

print(x.size())

 

Out:

torch.Size([5, 3])

 

▷ torch.size()를 이용하여 텐서의 크기를 확인할 수 있다. 연산 결과는 튜플과 관련된 연산을 적용할 수 있다.

 

In:

x = torch.randn(4, 4)

print(x.view(1, 16))
print(x.view(4, 4))
print(x.view(8, 2))

print(x.view(-1, 8))

 

Out:

tensor([[-1.0937, -0.0562, -0.1371, -1.5621,  1.2284, -0.3012,  0.9080,  2.5218,
         -1.1621, -1.6657, -1.1432,  1.5718, -2.8027, -0.4603,  0.0681,  0.4639]])
tensor([[-1.0937, -0.0562, -0.1371, -1.5621],
        [ 1.2284, -0.3012,  0.9080,  2.5218],
        [-1.1621, -1.6657, -1.1432,  1.5718],
        [-2.8027, -0.4603,  0.0681,  0.4639]])
tensor([[-1.0937, -0.0562],
        [-0.1371, -1.5621],
        [ 1.2284, -0.3012],
        [ 0.9080,  2.5218],
        [-1.1621, -1.6657],
        [-1.1432,  1.5718],
        [-2.8027, -0.4603],
        [ 0.0681,  0.4639]])
tensor([[-1.0937, -0.0562, -0.1371, -1.5621,  1.2284, -0.3012,  0.9080,  2.5218],
        [-1.1621, -1.6657, -1.1432,  1.5718, -2.8027, -0.4603,  0.0681,  0.4639]])

 

▷ torch.view()를 이용하면 텐서의 형태(Shape)를 바꿀 수 있다. 세 번째까지의 출력값은 이를 통해 형태가 변경된 텐서의 모습이다. torch.view()의 인자로 -1이 들어간 경우, 다른 인자를 고려하여 자동으로 텐서의 크기가 변경된다. 따라서 마지막 코드의 결과는 열의 크기가 8로 정해졌기 때문에 자동으로 행의 크기가 2로 정해진다.

 

In:

x = torch.rand(1)

print(x)
print(x.item())

 

Out:

tensor([-0.7020])
-0.7020143270492554

 

▷ 텐서에 하나의 원소만 있다면, torch.item()을 이용하여 스칼라(Scalar) 값으로 변경할 수 있다.

 

이외의 텐서를 이용한 다양한 연산에 대한 정보는 여기(https://pytorch.org/docs/stable/torch.html)에서 확인할 수 있다.

 

3. 텐서의 변환

 

In:

x = torch.ones(5)
y = x.numpy()

print(x)
print(type(x))
print(y)
print(type(y))

 

Out:

tensor([1., 1., 1., 1., 1.])
<class 'torch.Tensor'>
[1. 1. 1. 1. 1.]
<class 'numpy.ndarray'>

 

▷ torch.numpy()를 이용하여 텐서를 넘파이의 배열로 바꿀 수 있다.

 

In:

import numpy as np

x = np.ones(5)
y = torch.from_numpy(a)

print(x)
print(type(x))
print(y)
print(type(y))

 

Out:

[1. 1. 1. 1. 1.]
<class 'numpy.ndarray'>
tensor([1., 1., 1., 1., 1.], dtype=torch.float64)
<class 'torch.Tensor'>
[2. 2. 2. 2. 2.]
tensor([2., 2., 2., 2., 2.], dtype=torch.float64)

 

▷ torch.from_numpy()를 이용하여 넘파이를 텐서로 바꿀 수 있다.

 

---

Reference:

"WHAT IS PYTORCH?," PyTorch, https://pytorch.org/tutorials/beginner/blitz/tensor_tutorial.html#sphx-glr-beginner-blitz-tensor-tutorial-py.