Hello World!

torch.is_tensor(x) # 텐서 여부 확인torch.is_nonzero(x) # zero 여부 확인 # 학습이 잘 안된 케이스는 0인 케이스가 발생함 # 텐서로 들어온 인풋은 잘 작동 안함 텐서 생성torch.tensor([[0,1,2], [3,4,5]])torch.from_numpy(n)torch.zeros(2,3)torch.ones(2,3) 연산torch.permute # 위치 바꾸기torch.reshape(b, (-1,)) # flattentorch.transpose # 2 axis를 바꿈torch.squeeze # 데이터 전처리에 활용. 디멘션을 출여줌. 차원이 1인 것을 없애줌. reduction opstorch.argmax(a) # 가장 큰 값의 인덱스를 가져오는 것torch.arg..

텐서텐서 정의와 특징모델의 입력, 출력 뿐만 아니라 매개 변수 인코딩 가능Numpy의 ndarrays와 유사Numpy 배열과 텐서는 기본 메모리를 공유 가능하므로 데이터 복사할 필요성이 없음- 연산 처리가 편리하지만, 의도치 않게 데이터가 참조가 되는 경우가 발생Auto Diff에 최적화되어있음-> x->ㅁ->y^ y 차이를 optim을 통해 학습을 진행하는 것. 차이를 구하고 최적값을 산출하는 파라미터의 메모리 주소가 auto tracing이 된다. 사용자가 일일이 해주지 않아도 됨.--> 생각하지 못한 곳에서 메모리가 참조되는 경우가 있음.  텐서 생성직접 생성데이터(사용자가 인코딩해서 벡터 형식으로 표현)로부터 직접적으로 텐서 생성이 가능함자료형은 자동으로 유추되어 적용specific한 자료형이 ..