Tensor 연산 Operation

전치 transposing, 인덱싱, 슬라이싱, 수식, 선형대수, 임의 샘플링 등의 연산을 할 수 있다.

https://pytorch.org/docs/stable/torch.html

torch — PyTorch 1.9.0 documentation

Tensor연산 레퍼런스를 볼 수 있다.

 

텐서의 연산은 CPU보다 GPU가 빠르기 때문에 Edit->Notebook settings에서 GPU로 명시적으로 이동할 수 있다.

IPU(Intelligence Processing Unit)이 개발되며 IPU로 연산하는 경우도 있다.

 

GPU로 할당

 

cpu->cuda

디바이스를 cuda로 할당하였다.

 

Numpy와 비슷하다.

Tensor 합치기

cat과 stack

DATASET 

데이터 샘플을 처리하는 코드는 가독성과 모듈성이 중요하다.

데이터셋 코드를 모델 학습 코드로부터 분리하는 것이 중요하다.

torch.utils.data.DataLoader

torch.utils.data.Dataset

두가지 데이터 기본요소로 활용한다.

 

dataset - 샘플과 label을 저장

dataLoader - 샘플이 Dataset에 쉽게 접근할 수 있도록 반복 가능한 iterable 객체로 감싼다.

https://pytorch.org/vision/stable/datasets.html

torchvision.datasets — Torchvision 0.10.0 documentation

 

 

https://pytorch.org/text/stable/datasets.html

torchtext.datasets — torchtext 0.10.0 documentation

https://pytorch.org/audio/stable/datasets.html

torchaudio.datasets — Torchaudio 0.9.0 documentation

 

DATASET 불러오기

TorchVision에 Fashion-MNIST 데이터 셋을 불러오는 연습

학습예제, 테스트예제로 이루어져 있음

 

• root - 학습, 테스트 데이터를 저장하는 경로
• train - 학습용, 테스트용 데이터셋 여부를 정함
• download=True - 데이터가 없는 경우 인터넷에서 다운로드
• transform target_transform - feature, label, transform을 지정

트레이닝 데이터로 데이터셋을 불러오고 train=True로 불러온다

테스트 데이터로 데이터셋을 불러오고 train=False로 불러온다

Fashion_MNIST에 관련된 자료들이 인터넷에서 다운로드 된다.

이 자료로 학습할 수 있다.

 

Dataset에 리스트처럼 index로 직접 접근할 수 있다.

training_data[index].matplotlib을 사용하여 학습 데이터를 시각화해본다.

spyder의 plot창에 여러 종류의 의상들이 보인다.