PyTorch 에서 Tensor 의 데이터 형식 과 연산 사용
자주 사용 되 는 데이터 형식의 Tensor 는 32 비트 의 부동 소수점 torch.Float Tensor 가 있 습 니 다. 64 비트 부동 소수점 torch.Double Tensor, 16 비트 성형 torch.ShortTensor, 32 비트 성형 torch.Intensor 와 64 비트 성형 torch.LongTensor
1:Tensor 데이터 형식
1 torch.Float Tensor:데이터 형식 이 부동 소수점 인 Tensor 를 만 드 는 데 사용 되 며,torch.Float Tensor 에 전달 되 는 매개 변 수 는 목록 일 수도 있 고,차원 값 일 수도 있 습 니 다.
2:torch.Intensor:데이터 형식 을 성형 으로 만 드 는 Tensor 입 니 다.torch.Intensor 에 전 달 된 매개 변 수 는 목록 일 수도 있 고 차원 값 일 수도 있 습 니 다.
3:torch.rand:데이터 형식 이 부동 소수점 이 고 차원 이 지정 한 랜 덤 Tensor 를 생 성 하 는 데 사용 되 며,NumPy 에서 사용 하 는 numpy.rand 에서 랜 덤 수 를 생 성 하 는 방법 과 유사 하 며,랜 덤 으로 생 성 된 부동 소수점 데 이 터 는 0-1 구간 에 고 르 게 분포 되 어 있 습 니 다.
4:torch.randn:데이터 형식 이 부동 소수점 이 고 차원 이 지정 한 랜 덤 Tensor 를 생 성 하 는 데 사용 되 며,NumPy 에서 numpy.randn 을 사용 하여 랜 덤 수 를 생 성 하 는 방법 과 유사 합 니 다.랜 덤 으로 생 성 된 부동 소수점 의 수치 만족 평균 값 은 0 이 고,분산 차 는 1 의 정상 분포 입 니 다.
5:torch.range:데이터 형식 을 부동 소수점 형 으로 만 들 고 시작 범위 와 끝 범 위 를 사용자 정의 하 는 Tensor 이기 때문에 torch.range 에 전 달 된 매개 변 수 는 세 가지 가 있 습 니 다.각각 범위 의 시작 값,범위 의 끝 값 과 걸음 길이 입 니 다.그 중에서 걸음 길 이 는 시작 값 부터 빔 까지 모든 걸음 의 데이터 간격 을 지정 하 는 데 사 용 됩 니 다.
2:Tensor 의 연산
Tensor 데이터 형식의 변 수 를 연산 하여 간단 하거나 복잡 한 알고리즘 을 조합 합 니 다.자주 사용 하 는 Tensor 연산 은 다음 과 같 습 니 다.
1.torch.abs:파 라 메 터 를 torch.abs 에 전달 한 후 입력 매개 변수의 절대 값 을 출력 으로 되 돌려 줍 니 다.입력 매개 변 수 는 Tensor 데이터 형식의 변수 여야 합 니 다.
2.torch.add:매개 변 수 를 torch.add 에 전달 한 후 입력 매개 변수의 요구 와 결 과 를 출력 으로 되 돌려 줍 니 다.입력 매개 변 수 는 모두 Tensor 데이터 형식의 변수 일 수도 있 고,하 나 는 Tensor 데이터 형식의 변수 일 수도 있 으 며,다른 하 나 는 스칼라 일 수도 있 습 니 다.
3.torch.clamp:입력 매개 변 수 를 사용자 정의 범위 에 따라 자 르 고 마지막 으로 매개 변 수 를 자 른 결 과 를 출력 합 니 다.따라서 입력 매개 변 수 는 모두 세 개 입 니 다.각각 재단 이 필요 한 세 개 입 니 다.각각 재단 이 필요 한 Tensor 데이터 형식의 변수,재단 의 위 경계,아래 경계 입 니 다.과정 은 변수의 모든 요 소 를 상하 경계 와 비교 하 게 하 는 것 이다.만약 에 아래 경계 보다 작 으 면 이 요 소 는 경계 값 을 다시 쓰 고 위 경계 보다 크 면 이 요 소 는 경계 값 을 다시 쓴다.
4.torch.div:파 라 메 터 를 torch.div 에 전달 한 후 입력 매개 변수 에 대한 구 매 결 과 를 출력 으로 되 돌려 줍 니 다.마찬가지 로 연산 에 참여 하 는 파 라 메 터 는 모두 Tensor 데이터 형식의 변수 일 수도 있 고 Tensor 데이터 형식의 변수 와 스칼라 의 조합 일 수도 있 습 니 다.
5.torch.mul:파 라 메 터 를 torch.mul 에 전달 한 후 입력 매개 변수 가 쌓 인 결 과 를 출력 으로 되 돌려 줍 니 다.연산 에 참여 하 는 파 라 메 터 는 모두 Tensor 데이터 형식의 변수 일 수 있 습 니 다.
Tensor 데이터 형식의 변수 와 스칼라 의 조합 일 수도 있 습 니 다.
6.torch.pow:파 라 메 터 를 torch.pow 에 전달 한 후 입력 매개 변수의 구 멱 결 과 를 출력 으로 되 돌려 줍 니 다.연산 에 참여 하 는 파 라 메 터 는 모두 Tensor 데이터 형식의 변수 일 수 있 습 니 다.
Tensor 데이터 형식의 변수 와 스칼라 의 조합 일 수도 있 습 니 다.
바로 a 의 b 차방
7.torch.mm:파 라 메 터 를 torch.mm 에 전달 한 후 입력 매개 변수의 구 적 결 과 를 출력 으로 되 돌려 줍 니 다.그러나 이 구 적 결 과 는 이전의 torch.ml 연산 방식 과 다 릅 니 다.toch.mm 는 행렬 간 의 곱셈 법칙 을 활용 하여 계산 하기 때문에 들 어 오 는 파 라 메 터 는 행렬 로 처리 되 고 매개 변수의 차원 도 행렬 곱셈 의 전제조건 을 만족 시 켜 야 합 니 다.즉,앞의 행렬 의 줄 수 는 반드시 뒤의 행렬 의 열 수 와 같 아야 하 며,그렇지 않 으 면 계산 할 수 없다.
8.torch.mv:매개 변 수 를 torch.mv 에 전달 한 후 입력 매개 변수의 축적 결 과 를 출력 으로 되 돌려 줍 니 다.torch.mv 는 행렬 과 벡터 간 의 곱셈 규칙 을 이용 하여 계산 합 니 다.들 어 오 는 첫 번 째 매개 변 수 는 행렬 을 대표 하고 두 번 째 매개 변 수 는 벡터 를 대표 하 며 순 서 는 뒤 바 뀌 어 서 는 안 됩 니 다.
PyTorch 에서 Tensor 의 데이터 형식 과 연산 사용 에 관 한 이 글 은 여기까지 소개 되 었 습 니 다.더 많은 PyTorch Tensor 데이터 형식 과 연산 내용 은 우리 의 이전 글 을 검색 하거나 아래 의 관련 글 을 계속 조회 하 시기 바 랍 니 다.앞으로 많은 응원 바 랍 니 다!
이 내용에 흥미가 있습니까?
현재 기사가 여러분의 문제를 해결하지 못하는 경우 AI 엔진은 머신러닝 분석(스마트 모델이 방금 만들어져 부정확한 경우가 있을 수 있음)을 통해 가장 유사한 기사를 추천합니다:
IceVision에서 형식별 데이터를 읽는 방법2021년에 가장 멋있는 물체 검출 프레임워크라고 해도 과언이 아닌 IceVision을 사용해, VOC format과 COCO format의 데이터 세트에 대해 Object Detection을 간단하게 실시하기 위한...
텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
CC BY-SA 2.5, CC BY-SA 3.0 및 CC BY-SA 4.0에 따라 라이센스가 부여됩니다.