6. 딥러닝을 위한 프레임 워크 - 파이토치(PyTorch)

파이토치(PyTorch) 

개념

 파이썬 오픈소스 라이브러리

 딥러닝을 위한 프레임 워크 : 신경망을 생성하고 학습시킴

 자연어처리, 이미지 처리 등 다양한 처리를 위해 사용됨

모듈과 클래스

모듈/클래스	설명
torch	주요 네임 스페이스
torch.autograd	자동미분함수 내장
torch.nn	신경망 구축을 위한 데이터구조나 레이어 정의
torch.optim	확률적 경사하강법(SGD)를 중심으로 최적화 알고리즘 구현
torch.utils.data	SGD 반복연산 시 사용하는 미니 배치용 유틸리티 함수 포함
torch.utils.data.DataLoader	순회가능한 객체(iterable)로 처리하여 Dataset의 샘플에 쉽게 접근할 수 있도록 함
torch.utils.data.Dataset	샘플과 정답을 저장 ex )  from torch.utils.data import Dataset  from torch.utils.data import DataLoader
torch.onnx	서로 다른 딥러닝 프레임워크간 모델 공유시 사용하는 포맷 onnx(open neural network exchange)의 포맷. export할때 사용

파이토치의 텐서

 텐서를 사용하여 모델의 입력(input), 출력(output), 매개변수들의 부호화(encode)진행

 벡터형태의 텐서 : 1차원으로 구성된 값

 행렬형태의 텐서 : 2차원으로 구성된 값

파이토치 문법

종류	소스	설명
텐서 초기화	변수명=torch.tensor(데이터)	데이터를 이용한 텐서 생성
	torch.zeros_like(행렬)	0으로 채워진 텐서 생성
	torch.ones_like(행렬)	1으로 채워진 텐서 생성
	torch.rand_like(x, dtype=자료형) ex )  data3=torch.rand_like(x, dtype=torch.float)	0~1사이의 소수로 채워진 텐서 생서
	shape = (차원 ex : 2행 3열인경우 (2,3,)) 변수명 = torch.rand(shape)	shape를 모두 랜덤으로 채운다
	shape = (차원 ex : 2행 3열인경우 (2,3,)) 변수명 = torch.ones(shape)	shape를 모두 1로 채운다
	shape = (차원 ex : 2행 3열인경우 (2,3,)) 변수명 = torch.zeros(shape)	shape를 모두 0으로 채운다
	torch.from_numpy(넘파이 배열)	넘파이 배열을 텐서로 변경
예	import torch import numpy as np data=np.array([[1,2],[3,4]]) x=torch.tensor(data) print(x) data1=torch.ones_like(x) #x의 속성을 유지 print(data1) data2=torch.zeros_like(x) #x의 속성을 유지 print(data2) data3=torch.rand_like(x, dtype=torch.float) #x의 속성을 유지 print(data3) 결과)

차원 및 크기 관련 메서드

동작	소스	설명
차원 보여주기	변수명.dim()	차원 보여주기
크기 보여주기	변수명.size()	크기 보여주기
	변수명.shape	크기 보여주기
텐서 크기 변경하기 (view 사용)	변수명.view[-1,n]	행은 상관없고, 열을 무조건 n개로 맞춤
	변수명.view[n,-1]	열은 상관없고, 행을 무조건 n개로 맞춤
행렬의 차원 변경	Squeeze	:1차원인경우, 차원 제거 위치를 지정하면 해당 위치의 1만 제거가능. 위치 지정하지 않으면 왼쪽부터 하나씩 제거 ex : shape=[3,1]인 경우 squeeze(1)이면, [3] 즉 벡터가 됨
	UnSqueeze	차원 추가 위치를 지정하면 해당 위치에 size가 1인 빈 공간을 채워주며차원 확장 ex : shape=[3]인 경우 unsqueeze(0)이면 [1,3]의 행렬이 됨
예	import torch t=torch.FloatTensor([[ [0.,1.,2.] , [3.,4., 5.]] , [[6.,7.,8.] , [9.,10.,11.]] ]) print(t.view([-1, 2])) print(t.view([-1, 1,2])) 실행결과

연산

연산	소스	설명
텐서의 합	변수명.sum(dim=0 or 1)	dim=0 열단위, dim=1 행단위 연산. dim이 없으면 전체 텐서를 대상으로 연산
평균구하기	변수명.mean(dim=0 or 1)
행렬곱	행렬1.matmul(행렬2)	@을 적어도 무방
텐서 연결하기	touch.cat([])
내용 덮어쓰기	_ 사용