PyTorch 에서 Tensor 의 데이터 형식 과 연산 사용

Tensor 를 사용 할 때,우 리 는 먼저 Tensor 를 사용 하여 서로 다른 데이터 형식의 변 수 를 정의 하 는 방법 을 파악 해 야 한다.Tensor 시 장 량 의 영 어 는 다 차원 행렬 을 나타 내 며 numpy 와 대응 합 니 다.PyTorch 의 Tensor 는 numpy 의 ndarray 와 서로 전환 할 수 있 습 니 다.유일 하 게 다른 것 은 PyTorch 는 GPU 에서 실행 할 수 있 고 numpy 의 ndarray 는 cpu 에서 만 실행 할 수 있 습 니 다. 
       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!