파이토치 데이터 셔플 ranperm

파이토치 데이터 셔플 ranperm¶

In [1]:

import torch

• 4차원 데이터 5개를 예시 데이터로 생성합니다.

In [2]:

x = torch.rand(4,5)
x

Out[2]:

tensor([[0.3601, 0.7191, 0.0649, 0.6345, 0.0973],
        [0.9422, 0.7522, 0.3226, 0.7409, 0.9491],
        [0.6189, 0.5059, 0.3871, 0.1888, 0.4290],
        [0.9776, 0.4078, 0.9502, 0.5633, 0.7266]])

• 5개의 정답 셋을 예시 데이터로 생성합니다.

In [3]:

y = torch.rand(4,1)
y

Out[3]:

tensor([[0.4993],
        [0.5531],
        [0.0212],
        [0.4379]])

• randperm함수를 활용하여 인덱스(데이터 순서)을 셔플합니다

In [4]:

indices = torch.randperm(x.size(0))

• index_select 함수를 사용하여 셔플된 인덱스 값(데이터 순서값)을 데이터에 적용시킵니다.

In [5]:

x_ = torch.index_select(x, dim=0, index=indices)
y_ = torch.index_select(y, dim=0, index=indices)

• 셔플된 결과를 확인합니다.

In [6]:

x_

Out[6]:

tensor([[0.3601, 0.7191, 0.0649, 0.6345, 0.0973],
        [0.6189, 0.5059, 0.3871, 0.1888, 0.4290],
        [0.9422, 0.7522, 0.3226, 0.7409, 0.9491],
        [0.9776, 0.4078, 0.9502, 0.5633, 0.7266]])

In [7]:

y_

Out[7]:

tensor([[0.4993],
        [0.0212],
        [0.5531],
        [0.4379]])

파이토치 RandomSampler 이용하여 데이터 무작위로 섞기 내용 확인을 위해서 클릭해 주세요