본문 바로가기
반응형

python338

pytorch 기초 사용법(텐서 생성, 텐서 연산, 데이터셋 및 데이터 로더) pytorch 기초 사용법 (텐서 생성, 텐서 연산, 데이터셋 및 데이터 로더/Dataset, DataLoader) 0. 설명 # PyTorch는 딥러닝 연구 및 개발을 위한 오픈 소스 라이브러리로, Python 기반의 텐서 계산 및 GPU 가속화 지원, 자동 미분 및 최적화를 위한 도구를 제공합니다. 1. 설치 pip install torch 혹은 https://pytorch.org/ 참고하세요 2. 텐서 생성 0 텐서 생성 zeros_tensor = torch.zeros(3, 3) 1 텐서 생성 ones_tensor = torch.ones(3, 3) 랜덤 탠서 생성 random_tensor = torch.rand(3, 3) 리스트나, 넘파이 어레이 배열 to 텐서 import numpy as np d.. 2023. 4. 15.
파이썬 딕셔너리 json으로 저장하기, dict to json 파이썬 딕셔너리 json으로 저장하기 dict to json import json data = { "name": "John", "age": 30, "city": "New York" } with open('data.json', 'w') as f: json.dump(data, f) 2023. 4. 13.
linear layer 방정식과 pytorch 예시 선형레이어 (deep learning) linear layer 방정식과 pytorch 예시 선형레이어 (deep learning) linear layer 의 방정식 output = input × W^T + b 방정식 심볼에 대한 설명 input 입력 텐서의 크기 (batch_size, input_size) W 가중치 행렬의 크기는 (output_size, input_size) b 편향 벡터의 크기는 (output_size) output 출력 텐서의 크기는 (batch_size, output_size) 파이토지 활용 예시 코드 import torch import torch.nn as nn # 입력 텐서의 크기: (batch_size, input_size) = (3, 5) input_tensor = torch.tensor( [[1, 2, 3, 4.. 2023. 4. 13.
파이토치 최대값, 최소값 필터링 clamp() 파이토치 최대값, 최소값 필터링, clamp()¶ In [10]: import torch a = torch.FloatTensor([1, 4, 6, 8, 10, 14]) a Out[10]: tensor([ 1., 4., 6., 8., 10., 14.]) clamp(텐서, min=최소값, max=최대값) 최소값보다 작은 값은 최소값으로 변경, 최대값보다 큰 값은 최대값으로 변경 In [12]: out = torch.clamp(a, min=4, max=10) print(out) tensor([ 4., 4., 6., 8., 10., 10.]) 2023. 4. 9.
파이썬 함수 document 작성법 `__doc__` 파이썬 함수 document 작성법 __doc__¶ 파이썬 함수를 만들면, 작성한 함수에 대한 설명을 위해 document를 작성합니다. document 작성은 함수 이름 바로 밑에 """ """ 를 이용하는 방법과 __doc__ 메소드를 이용하는 방법이 있습니다. """ """ doc을 사용하는 방법 In [1]: def my_function(parameter): """ Function to say hello to someone with quote""" print(f"Hello {parameter}") In [2]: # help 함수를 이용하여 document 내용을 확인할 수 있습니다. help(my_function) Help on function my_function in module __main_.. 2023. 4. 9.
텐서 모양 별 실제 데이터 확인 In [1]: import torch torch.Size([14]) 실 데이터 확인¶ In [2]: torch.rand(14) Out[2]: tensor([0.3614, 0.6932, 0.3986, 0.0717, 0.4612, 0.3320, 0.3733, 0.9937, 0.1960, 0.5579, 0.0481, 0.1131, 0.4117, 0.0707]) torch.Size([14, 1]) 실데이터 확인¶ In [3]: torch.rand(14,1) Out[3]: tensor([[0.3119], [0.2978], [0.8179], [0.8675], [0.2603], [0.6444], [0.9550], [0.8595], [0.9938], [0.8488], [0.9781], [0.2936], [0.7469].. 2023. 4. 8.
반응형

티스토리툴바