파이토치 텐서 슬라이스와 인덱싱 pytorch tensor slice and indexing
파이토치 텐서 슬라이스와 인덱싱 pytorch tensor slice and index¶ In [1]: import torch import numpy as np 예시 tensor 생성 In [2]: # 예시 tensor 생성 tensor = torch.arange(9) tensor = tensor.reshape(3, 3) tensor Out[2]: tensor([[0, 1, 2], [3, 4, 5], [6, 7, 8]]) 1번 위치 텐서 인덱싱 In [3]: tensor[1] Out[3]: tensor([3, 4, 5]) 2차원 인텍싱 In [4]: tensor[1][1], tensor[1, 1] Out[4]: (tensor(4), tensor(4)) 슬라이싱 In [6]: tensor[1:] Out[6..
2023. 3. 13.
파이토치 텐서 모양 바꾸기 tensor reshape
파이토치 텐서 모양 바꾸기 tensor reshape¶ 텐서 예시 생성 In [2]: import torch tensor = torch.arange(9) tensor Out[2]: tensor([0, 1, 2, 3, 4, 5, 6, 7, 8]) 텐서 모양 변경 In [3]: tensor.reshape(3, 3) Out[3]: tensor([[0, 1, 2], [3, 4, 5], [6, 7, 8]])
2023. 3. 13.
파이썬 넘파이 브로드캐스팅(broadcasting)
파이썬 넘파이 브로드캐스팅(broadcasting)¶ element-wise(요소별) 연산은 더하거나 빼고자 하는 둘 이상의 벡터 혹은 행렬의 사이즈가 같아야 한다 ! 하지만 ! 하나가 스칼라 값이라면 관례적으로 연산을 허용하고 아래와 같은 계산이 이루어진다. 그리고 이를 브로드캐스팅(broadcasting)이라고 한다. 모든 벡터 값에 똑같인 스칼라 값을 연산한다. In [1]: import numpy as np a = np.array([10, 14, 15, 16]) #vector b = 10 # scalar a-b Out[1]: array([0, 4, 5, 6]) In [2]: a = np.array([[10, 14, 15, 16], [12, 13, 17, 19]]) #vector b = 10 # s..
2023. 3. 10.