본문 바로가기

Deep Learning/PyTorch

(2)

자동 미분(Automatic differentiation) 사용법 파이토치의 자동 미분(Auto differentiation)을 이용한 변화도(Gradient) 계산 방법을 알아볼 것이다. 다룰 내용은 다음과 같다. 1. 자동 미분 준비 2. 변화도 계산 1. 자동 미분 준비 In: import torch x = torch.ones(2, 2, requires_grad = True) print(x) Out: tensor([[1., 1.], [1., 1.]], requires_grad=True) ▷ torch.ones()에 텐서 크기에 대한 인자와 requires_grad 인자를 주어 텐서를 생성하였다. 결과 창에 requires_grad=True가 나타난 것을 볼 수 있는데, 이는 이후 역전파 과정을 수행 후, 해당 텐서의 변화도를 구할 수 있도록 한다. In: y = ..

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:..

이전 1 다음

티스토리툴바