Pytorch Tensor(텐서) 만들기

Pytorch의 Tensor(텐서) 조작하기 1¶

import torch
import numpy as np

Tensor(텐서) 를 만드는 다양한 방법¶

empty¶

주어진 크기의 아무값으로도 초기화되지 않은 텐서를 만든다. 텐서 성분의 값들은 쓰레기값들이다.

torch.empty(4)

tensor([ 1.6751e-37, -1.9427e-13,  1.6751e-37, -1.9427e-13])

torch.empty((4,5))

tensor([[0.0000e+00, 0.0000e+00, 0.0000e+00, 0.0000e+00, 0.0000e+00],
        [0.0000e+00, 0.0000e+00, 0.0000e+00, 1.4013e-45, 0.0000e+00],
        [0.0000e+00, 0.0000e+00, 0.0000e+00, 0.0000e+00, 0.0000e+00],
        [0.0000e+00, 0.0000e+00, 0.0000e+00, 0.0000e+00, 0.0000e+00]])

torch.empty(2,3)

tensor([[4.1102e+08, 4.5579e-41, 2.7585e-36],
        [0.0000e+00, 2.7548e-36, 0.0000e+00]])

torch.empty(2,3,dtype=torch.int)

tensor([[1304689952,      32526,   74107072],
        [         0,         32,          0]], dtype=torch.int32)

zeros¶

주어진 크기의 0으로 초기화된 텐서를 만든다.

torch.zeros(5)

tensor([0., 0., 0., 0., 0.])

torch.zeros((2,3))

tensor([[0., 0., 0.],
        [0., 0., 0.]])

torch.zeros(5,6,dtype=torch.bool)

tensor([[False, False, False, False, False, False],
        [False, False, False, False, False, False],
        [False, False, False, False, False, False],
        [False, False, False, False, False, False],
        [False, False, False, False, False, False]])

ones¶

주어진 크기의 1로 초기화된 텐서를 만든다.

torch.ones(5)

tensor([1., 1., 1., 1., 1.])

torch.ones(2,4)

tensor([[1., 1., 1., 1.],
        [1., 1., 1., 1.]])

torch.ones((2,3))

tensor([[1., 1., 1.],
        [1., 1., 1.]])

torch.ones(3,dtype=torch.bool)

tensor([True, True, True])

full¶

주어진 크기의 정해준 값으로 채운 텐서를 만든다.

torch.full((1,2),3.14)

tensor([[3.1400, 3.1400]])

torch.full((2,3),2.718)

tensor([[2.7180, 2.7180, 2.7180],
        [2.7180, 2.7180, 2.7180]])

eye¶

주어진 크기의 대각성분만 1인 텐서를 만든다.

torch.eye(3)

tensor([[1., 0., 0.],
        [0., 1., 0.],
        [0., 0., 1.]])

torch.eye(5,3)

tensor([[1., 0., 0.],
        [0., 1., 0.],
        [0., 0., 1.],
        [0., 0., 0.],
        [0., 0., 0.]])

a = np.array([1,2,3])
b = torch.as_tensor(a)

~like¶

입력받은 텐서와 같은 크기의 텐서를 만든다.

data = torch.zeros(3,4)

torch.empty_like(data)

tensor([[0.0000e+00, 0.0000e+00, 7.7052e+31, 7.2148e+22],
        [2.5226e-18, 2.5930e-09, 1.0186e-11, 7.7198e-10],
        [6.6767e-07, 4.0061e-11, 4.1727e-08, 2.9572e-18]])

torch.zeros_like(data)

tensor([[0., 0., 0., 0.],
        [0., 0., 0., 0.],
        [0., 0., 0., 0.]])

torch.ones_like(data)

tensor([[1., 1., 1., 1.],
        [1., 1., 1., 1.],
        [1., 1., 1., 1.]])

torch.full_like(data,2.717)

tensor([[2.7170, 2.7170, 2.7170, 2.7170],
        [2.7170, 2.7170, 2.7170, 2.7170],
        [2.7170, 2.7170, 2.7170, 2.7170]])

tensor¶

입력받은 데이터로 텐서를 만든다. 이때 값은 복사된다.

data = np.array([1,2,3,4,5,6])

t = torch.tensor(data)
print(t,t.dtype)

tensor([1, 2, 3, 4, 5, 6]) torch.int64

t = torch.tensor(data,dtype=torch.float32)
print(t,t.dtype)

tensor([1., 2., 3., 4., 5., 6.]) torch.float32

t = torch.tensor(data)
t[0] = 999
print("Tensor values : ",t,"\nOriginal np array values : ",data)

Tensor values :  tensor([999,   2,   3,   4,   5,   6]) 
Original np array values :  [1 2 3 4 5 6]

as_tensor¶

입력받은 데이터로 텐서를 만든다는 점에선 tensor와 같다. 그러나 원본과 만들어진 텐서가 같은 cpu상에서 동작할 경우 원본의 값을 복사하지 않고 참조하기 때문에 텐서의 값을 바꾸면 원본 데이터의 값도 변한다. 또, 이 원본 데이터를 참조하고 있는 모든 텐서의 값도 변한다.

data = np.array([1,2,3,4,5,6])
t = torch.as_tensor(data)
print(t)

tensor([1, 2, 3, 4, 5, 6])

t[0] = 999
print("Tensor values : ",t,"\nOriginal np array values : ",data)

Tensor values :  tensor([999,   2,   3,   4,   5,   6]) 
Original np array values :  [999   2   3   4   5   6]

data = np.arange(5)
print(data)

[0 1 2 3 4]

t1 = torch.as_tensor(data)
t2 = torch.as_tensor(data)
print("t1 : ",t1)
print("t2 : ",t2)

t1 :  tensor([0, 1, 2, 3, 4])
t2 :  tensor([0, 1, 2, 3, 4])

t2[0] = 999
print("original np data : ",data)
print("t1 : ",t1)
print("t2 : ",t2)

original np data :  [999   1   2   3   4]
t1 :  tensor([999,   1,   2,   3,   4])
t2 :  tensor([999,   1,   2,   3,   4])

FloatTensor, IntTensor, ... etc¶

tensor처럼 데이터를 복사하여 만든다.

data = np.array([0,1,2,3,4,5])

torch.FloatTensor(data)

tensor([0., 1., 2., 3., 4., 5.])

torch.IntTensor(data)

tensor([0, 1, 2, 3, 4, 5], dtype=torch.int32)

torch.BoolTensor(data)

tensor([False,  True,  True,  True,  True,  True])

아래 코드에서 값이 변하지 않는다는것을 알 수 있다.

data = np.array([0,1,2,3,4])
t1 = torch.FloatTensor(data)
print("data : ",data)
print("t1 : ",t1)

t1[0] = 9999
print("data : ",data)
print("t1 : ",t1)

data :  [0 1 2 3 4]
t1 :  tensor([0., 1., 2., 3., 4.])
data :  [0 1 2 3 4]
t1 :  tensor([9.9990e+03, 1.0000e+00, 2.0000e+00, 3.0000e+00, 4.0000e+00])

t1[0] = 9999
print("data : ",data)
print("t1 : ",t1)

data :  [0 1 2 3 4]
t1 :  tensor([9.9990e+03, 1.0000e+00, 2.0000e+00, 3.0000e+00, 4.0000e+00])

arange¶

range도 있지만, 사용시 언젠가 제거될 예정이니 사용하지 말라고 경고가 뜬다. 반드시 필요한 경우가 아니라면 arange를 써주도록 하자.

torch.arange(5)

tensor([0, 1, 2, 3, 4])

torch.arange(1,4,2)

tensor([1, 3])

torch.arange(3,4,0.2)

tensor([3.0000, 3.2000, 3.4000, 3.6000, 3.8000])

torch.range(0,4)

/usr/local/lib/python3.7/dist-packages/ipykernel_launcher.py:1: UserWarning: torch.range is deprecated and will be removed in a future release because its behavior is inconsistent with Python's range builtin. Instead, use torch.arange, which produces values in [start, end).
  """Entry point for launching an IPython kernel.

tensor([0., 1., 2., 3., 4.])

linspace, logspace¶

torch.linspace(0,10,20)

tensor([ 0.0000,  0.5263,  1.0526,  1.5789,  2.1053,  2.6316,  3.1579,  3.6842,
         4.2105,  4.7368,  5.2632,  5.7895,  6.3158,  6.8421,  7.3684,  7.8947,
         8.4211,  8.9474,  9.4737, 10.0000])

torch.logspace(0,10,20)

tensor([1.0000e+00, 3.3598e+00, 1.1288e+01, 3.7927e+01, 1.2743e+02, 4.2813e+02,
        1.4384e+03, 4.8329e+03, 1.6238e+04, 5.4556e+04, 1.8330e+05, 6.1585e+05,
        2.0691e+06, 6.9519e+06, 2.3357e+07, 7.8476e+07, 2.6367e+08, 8.8587e+08,
        2.9764e+09, 1.0000e+10])

complex¶

실수, 허수 부분의 텐서들을 받아서 복소수텐서를 만든다.

real = torch.FloatTensor([1,2,3])
img = torch.FloatTensor([4,5,6])

torch.complex(real,img)

tensor([1.+4.j, 2.+5.j, 3.+6.j])