일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | 6 | |
7 | 8 | 9 | 10 | 11 | 12 | 13 |
14 | 15 | 16 | 17 | 18 | 19 | 20 |
21 | 22 | 23 | 24 | 25 | 26 | 27 |
28 | 29 | 30 | 31 |
- 연습
- 주가예측
- 템플릿
- DeepLearning
- 재귀함수
- 게임
- Linear
- 가격맞히기
- 선형회귀
- Regression
- 프로그래머스
- 주식연습
- CLI
- 코딩
- python
- 딥러닝
- 기초
- 파이썬
- 추천시스템
- 주식
- 주식매매
- 크롤링
- 코딩테스트
- 머신러닝
- 알고리즘
- 회귀
- PyTorch
- tensorflow
- 흐름도
- API
- Today
- Total
목록딥러닝 (23)
코딩걸음마
![](http://i1.daumcdn.net/thumb/C150x150/?fname=https://blog.kakaocdn.net/dn/bsdOfJ/btrFEmqbGXt/9UxM9zwkKh5U3nXRQ2K0OK/img.png)
1. 행렬의 곱셈 행렬의 곱셈은 내적(inner product, Dot product)이라고한다. 딥러닝 과정에서 중요한 연산 중 하나이다. 행렬의 곱셈의 조건이 있다. 다음과 같은 두개의 행렬이 있다고 가정해보자 x = torch.size([ a , b ]) y = torch.size([ c , d ]) 라고 할 때 b = c 조건이 성립되어야하며, 내적 결과는 torch.size([ a , d ])가 나온다. import torch x = torch.FloatTensor([[1, 2], [3, 4], [5, 6]]) y = torch.FloatTensor([[1, 2], [1, 2]]) print(x.size(), y.size()) torch.Size([3, 2]) torch.Size([2, 2]) ..
![](http://i1.daumcdn.net/thumb/C150x150/?fname=https://blog.kakaocdn.net/dn/pAO78/btrFz4bl8Sc/pSxA8swMOcmvZrjmX3cE60/img.png)
1. expand expand는 Tensor를 복사하여 원하는 차원으로 만드는 방법이다. import torch x = torch.FloatTensor([[[1, 2]], [[3, 4]]]) print(x.size()) torch.Size([2, 1, 2]) 이 tensor를 복사하여 [2, 4, 2] 형태로 바꿔보자 y = x.expand(*[2, 4, 2]) print(y) print(y.size()) tensor([[[1., 2.], [1., 2.], [1., 2.], [1., 2.]], [[3., 4.], [3., 4.], [3., 4.], [3., 4.]]]) torch.Size([2, 4, 2]) 물론 cat을 활용해서 붙힐 수 있다. y = torch.cat([x, x, x, x], dim=..
![](http://i1.daumcdn.net/thumb/C150x150/?fname=https://blog.kakaocdn.net/dn/MDxKG/btrFBHlEGni/WhVh1fxDHW226sUEAZLMy0/img.png)
Tensor도 DateFrame 처럼 자르고, 합치고, 쪼개고, 인덱싱하고, stack할 수 있습니다. x = torch.FloatTensor([[[1, 2], [3, 4]], [[5, 6], [7, 8]], [[9, 10], [11, 12]]]) print(x.size()) torch.Size([3, 2, 2]) 1. 인덱싱(indexing)과 슬라이싱(Slicing) Pytorch에서 indexing과 slicing은 Pandas와 비슷하게(아니 똑같이...) 작동합니다. 하지만 차원이 늘어난 만큼 이해하기 난해하므로, 예시를 보면서 한번 익혀봅시다! pandas처럼 인덱싱을 해봅시다. 2번째 dataset가 나올거라 예상하면서요. x[1] 과연 어느 차원의 2번째 일까요? tensor([[5., 6..
![](http://i1.daumcdn.net/thumb/C150x150/?fname=https://blog.kakaocdn.net/dn/bJgKT3/btrFz932vD5/URA7LGTNEZbf5FYdbpFPY0/img.png)
1. Tensor shape 파악하기 (.shape / .size() ) Tensor를 눈으로 보고 바로 몇차원이며 몇개의 원소가 들어가 있는지 한번에 파악하기에는 현실적으로 너무 어렵다. 하지만, 한번에 파악할 수 있는 방법이 다행히(?) 있다. x = torch.FloatTensor([[[1, 2], [3, 4]], [[5, 6], [7, 8]], [[9, 10], [11, 12]]]) print(x.shape) print(x.size()) torch.Size([3, 2, 2]) torch.Size([3, 2, 2]) .shape .size() 를 입력하면 torch.Size([ 3 ,2 , 2])라고 나오는데 이를 도식화 하면 다음과 같다 1-2. Tensor shape 변경하기 (reshape) ..