PyTorch는 사용자가 텐서 작업을 할 수 있게 해주는 머신러닝 라이브러리입니다. 텐서는 다양한 유형의 데이터와 모양을 가질 수 있는 필수 데이터 구조입니다. 때때로 사용자는 텐서의 크기를 확장하기 위해 확장 작업을 수행할 수 있습니다. 확장 작업을 통해 사용자는 지정된 차원을 따라 텐서를 반복할 수 있습니다. PyTorch는 텐서와 크기 목록을 입력으로 사용하는 'expand()' 속성을 제공합니다. 데이터는 동일하지만 차원이 다른 새 텐서를 반환합니다.
이 기사에서는 PyTorch의 텐서에 확장 작업을 사용하는 방법을 설명합니다.
PyTorch에서 확장 작업을 사용하는 방법은 무엇입니까?
PyTorch에서 확장 작업을 사용하려면 아래 제공된 단계를 확인하세요.
1단계: PyTorch 라이브러리 가져오기
먼저 '를 가져옵니다. 토치 확장 작업을 사용하기 위한 라이브러리:
수입 토치
2단계: 텐서 생성
그런 다음 '를 사용하여 원하는 텐서를 생성합니다. 토치.텐서() ” 기능을 수행하고 해당 요소를 인쇄합니다. 여기서는 다음과 같은 '를 생성합니다. 수십 ' 텐서:
수십 = 토치. 텐서 ( [ [ 2 ] , [ 4 ] , [ 6 ] ] )
인쇄 ( 수십 )
아래 출력에서는 텐서가 성공적으로 생성되었습니다.
3단계: 입력 텐서 크기 보기
다음으로, 위에서 생성된 “ 수십 '를 사용하는 텐서' 크기() ' 기인하다:
인쇄 ( '텐서의 크기:' , 수십. 크기 ( ) )아래 출력에 따르면 텐서의 크기는 3×1입니다.
4단계: 텐서 확장
이제 “ 확장하다() ” 속성을 사용하여 확장 작업을 수행하고 텐서를 새로운 차원으로 확장합니다. 텐서 및 크기 목록을 입력으로 제공해야 합니다. 여기서는 텐서를 3×4 크기로 확장합니다.
Exp_tens = 수십. 확장하다 ( 삼 , 4 )5단계: 확장된 Tensor 및 해당 크기 표시
마지막으로 확장된 텐서의 요소와 크기를 인쇄합니다.
인쇄 ( Exp_tens )인쇄 ( Exp_tens. 크기 ( ) )
아래 출력은 확장된 텐서와 그 크기, 즉 3×4를 보여줍니다. 이는 확장 작업이 성공적으로 수행되었음을 나타냅니다.
PyTorch에서 확장 작업을 사용하는 효율적인 방법을 설명했습니다.
메모 : 여기에서 Google Colab Notebook에 액세스할 수 있습니다. 링크 .
결론
PyTorch에서 확장 작업을 사용하려면 먼저 토치 라이브러리를 가져옵니다. 그런 다음 원하는 텐서를 생성하고 해당 텐서의 요소와 크기를 확인하세요. 다음으로 “ 확장하다() ” 속성을 사용하여 입력 텐서를 확장합니다. 마지막으로 확장된 텐서를 인쇄하고 크기를 확인합니다. 이 기사에서는 PyTorch의 텐서에 확장 작업을 사용하는 방법을 보여주었습니다.