pytorch 2일차입니다.
CNN, LSTM stock forecasting 코드 따라치는데 텐서 조작이 너무 어려워서 trensor manipulation 깔작대어 보려구요
Tensor Indexing
import torch
x = torch.tensor([[1,2],[3,4]])
print(x)
print(x[0])
print(x[:,0]
#output
#tensor([[1,2],
# [3,4]])
#tensor([1,2])
#tensor([1,3])
view
argument로는 바뀔 shape이 주어짐. tensor값은 동일하지만, shape이 바뀐 새로운 tensor return
x = torch.randn(3,5)
a = x.view(15)
b = x.view(5, -1)
print(x.size())
print(a.size())
print(b.size())
#torch.size([3,5])
#torch.size([15])
#torch.size([5,3]) <- -1로 적어두면 나머지 차원 자동계산
item
tensor.item() 은 텐서에 스칼라 값이 존재할 경우 가져옴
해당 텐서에 2개 잉상의 스칼라값 -> item()으로 못가져옴
ValueError : only one element tensors can be converted to Python scalars
torch.randn(1)
print(x)
print(x.item())
#tensor([-0,4899])
#-0,4899999999990
[
squeeze, unsqueeze등 추가 예정
]
Torch ↔ Numpy
torch의 tensor ↔ numpy의 array
numpy() : torch → numpy
from_numpy() : numpy → torch
tensor가 CPU상에 존재하면 Numpy 배열은 메모리공간을 공유함 → tensor가 변하면 배열 값도 변함(반대도 동일)
a = torch.ones(7)
b = a.numpy()
print(a)
print(b)
#output
#tensor([1., 1., 1., 1., 1., 1., 1])
# [1. 1. 1. 1. 1. 1. 1.]
a.add(1)
print(a)
print(b)
#output
#tesor([2., 2., 2., 2., 2., 2., 2])
#[2. 2. 2. 2. 2. 2. 2.].numpy()를 이용해 tensor a를 numpy의 array로 변환
여기서 a 바꾸면 b도 바뀜!!
import numpy as np
a = np.ones(7)
b = torch.from_numpy(a)
np.add(a, 1, out=a)
print(a)
print(b)
#output
#[2. 2. 2. 2. 2. 2. 2.]
#tensor([2., 2., 2., 2., 2., 2., 2.]), dtype=torch,float64.from_numpy()를 이용해 array → tensor
마찬가지로 메모리 공유하기 때문에 하나 바뀌면 다른 것도 바뀜
*out=a : 계산 결과를 a에 저장해
reference : https://cansweep.tistory.com/381