코딩 메모장

참고링크 : https://pytorch.org/docs/stable/generated/torch.ne.html torch.neimport torchtorch.ne(input, other,*, out=None)# tensor을 반환한다. Parameter:input(tensor) - 비교할 텐서other(Tensor or float) - 비교할 텐서 또는 값Keyword Arguments:out(Tensor, optional) - 반환 텐서Returns:input과 output이 같으면 False, 다르면 True를 반환한다. Example:>>> import torch>>> torch.ne(torch.tensor([[1, 2], [3, 4]]), torch.tensor([[1, 1], [4, 4]]))..

torch.multinomial multinomial 함수는 텐서안에 있는 값들을 통해 무작위로 샘플링을 수행합니다. 텐서를 반환하며, 각 행은 텐서 입력의 해당 행에 위치한 다항 확률 분포(input_tensor)로부터 추출된 num_samples 개의 인덱스를 포함합니다. 입력의 행들은 합이 반드시 1이 될 필요는 없습니다.( 이 경우에는 값을 가중치로 사용) 그러나 음수가 아니어야 하며, 유한해야 하고, 합이 0이 아니어야 합니다. 함수 선언 import torch torch.multinomial(input, num_samples, replacement=False, *, generator=None, out=None) → LongTensor 파라미터 input(Tensor) - 확률을 포함한 Tens..

numpy 에서 tensor로 변환하는 방법에 대해 알아보겠습니다. 데이터를 tensor을 생성하는 방법은 2가지가 있습니다. tensor을 생성하거나 numpy 배열을 tensor로 바꾸는 것이 있습니다. 왜 tensor을 사용하는가? 1. 대부분의 딥 러닝 framework( TensorFlow, Pytorch) 에서는 Tensor을 기본 데이터 구조로 사용하기 때문입니다. 2. tensor은 자동으로 미분을 해주며 역전파 계산을 해줍니다. 3. Tensorflow와 Pytorch 같은 딥 러닝 framework는 GPU를 활용해 더욱 빠른 연산을 할 수 있습니다. 데이터를 tensor로 만들거나 numpy 배열을 tensor 로 변환합니다. 4. 고차원의 배열을 numpy보다 tensor가 효과적으..