Lab01-2

In [1]:

import numpy as np 
import torch

In [2]:

t = np.array([[[0, 1, 2],
               [3, 4, 5]],

              [[6, 7, 8],
               [9, 10, 11]]])

ft = torch.FloatTensor(t)
print(ft)
print()
print(f'ft의 크기: {ft.shape} = {ft.shape[0]}축 x {ft.shape[1]}행 x {ft.shape[2]}열')
print()

print(f'ft.view([-1, 3]) = \n{ft.view([-1, 3])}')
print()

print(f'ft.view([-1, 3]) = \n{ft.view([-1, 3])}')
print()
print(f'ft.view([-1, 3])의 크기: {ft.view([-1, 3]).shape[0]}행 x {ft.view([-1, 3]).shape[1]}열')
print()
print(f'ft.view([-1, 1, 3]) = \n{ft.view([-1, 1, 3])}')
print()
print(f'ft.view([-1, 1, 3])의 크기: {ft.view([-1, 1, 3]).shape[0]}축 x {ft.view([-1, 1, 3]).shape[1]}행 x {ft.view([-1, 1, 3]).shape[2]}열')

tensor([[[ 0.,  1.,  2.],
         [ 3.,  4.,  5.]],

        [[ 6.,  7.,  8.],
         [ 9., 10., 11.]]])

ft의 크기: torch.Size([2, 2, 3]) = 2축 x 2행 x 3열

ft.view([-1, 3]) = 
tensor([[ 0.,  1.,  2.],
        [ 3.,  4.,  5.],
        [ 6.,  7.,  8.],
        [ 9., 10., 11.]])

ft.view([-1, 3]) = 
tensor([[ 0.,  1.,  2.],
        [ 3.,  4.,  5.],
        [ 6.,  7.,  8.],
        [ 9., 10., 11.]])

ft.view([-1, 3])의 크기: 4행 x 3열

ft.view([-1, 1, 3]) = 
tensor([[[ 0.,  1.,  2.]],

        [[ 3.,  4.,  5.]],

        [[ 6.,  7.,  8.]],

        [[ 9., 10., 11.]]])

ft.view([-1, 1, 3])의 크기: 4축 x 1행 x 3열

In [3]:

ft = torch.FloatTensor([[0], [1], [2]])

print(f'ft = \n{ft}')
print()
print(f'ft의 크기: {ft.shape[0]}행 x {ft.shape[1]}열')

ft = 
tensor([[0.],
        [1.],
        [2.]])

ft의 크기: 3행 x 1열

In [4]:

print(f'ft.squeeze() = {ft.squeeze()}')
print()
print(f'ft.squeeze()의 크기: {ft.squeeze().shape[0]}')

ft.squeeze() = tensor([0., 1., 2.])

ft.squeeze()의 크기: 3

In [5]:

ft = torch.Tensor([0, 1, 2])
print(f'ft = {ft}')
print()
print(f'ft의 크기: {ft.shape[0]}')

ft = tensor([0., 1., 2.])

ft의 크기: 3

In [6]:

print(f'ft.unsqueeze(0) = {ft.unsqueeze(0)}')
print()
print(f'ft.unsqueeze(0)의 크기: {ft.unsqueeze(0).shape[0]}행 x {ft.unsqueeze(0).shape[1]}열')

ft.unsqueeze(0) = tensor([[0., 1., 2.]])

ft.unsqueeze(0)의 크기: 1행 x 3열

In [7]:

print(f'ft.view(1, -1) = {ft.view(1, -1)}')
print(f'ft.view(1, -1)의 크기: {ft.view(1, -1).shape[0]}행 x {ft.view(1, -1).shape[1]}열')

ft.view(1, -1) = tensor([[0., 1., 2.]])
ft.view(1, -1)의 크기: 1행 x 3열

In [8]:

print(f'ft.unsqueeze(0) = \n{ft.unsqueeze(1)}')
print()
print(f'ft.unsqueeze(0)의 크기: {ft.unsqueeze(1).shape[0]}행 x {ft.unsqueeze(1).shape[1]}열')

ft.unsqueeze(0) = 
tensor([[0.],
        [1.],
        [2.]])

ft.unsqueeze(0)의 크기: 3행 x 1열

In [9]:

print(f'ft.unsqueeze(0) = \n{ft.unsqueeze(-1)}')
print()
print(f'ft.unsqueeze(0)의 크기: {ft.unsqueeze(-1).shape[0]}행 x {ft.unsqueeze(-1).shape[1]}열')

ft.unsqueeze(0) = 
tensor([[0.],
        [1.],
        [2.]])

ft.unsqueeze(0)의 크기: 3행 x 1열

In [10]:

lt = torch.LongTensor([1, 2, 3, 4])
print(lt)
print(lt.float())

tensor([1, 2, 3, 4])
tensor([1., 2., 3., 4.])

In [11]:

bt = torch.ByteTensor([True, False, False, True])
print(bt)

tensor([1, 0, 0, 1], dtype=torch.uint8)

In [12]:

print(bt.long())
print(bt.float())

tensor([1, 0, 0, 1])
tensor([1., 0., 0., 1.])

In [13]:

x = torch.FloatTensor([[1, 2], [3, 4]])
y = torch.FloatTensor([[5, 6], [7, 8]])
print(f'x = \n{x}')
print(f'y = \n{y}')

x = 
tensor([[1., 2.],
        [3., 4.]])
y = 
tensor([[5., 6.],
        [7., 8.]])

In [14]:

print(torch.cat([x, y], dim=0))
print(torch.cat([x, y], dim=1))

tensor([[1., 2.],
        [3., 4.],
        [5., 6.],
        [7., 8.]])
tensor([[1., 2., 5., 6.],
        [3., 4., 7., 8.]])

In [15]:

x = torch.FloatTensor([1, 4])
y = torch.FloatTensor([2, 5])
z = torch.FloatTensor([3, 6])
print(f'x = {x}')
print(f'y = {y}')
print(f'z = {z}')

x = tensor([1., 4.])
y = tensor([2., 5.])
z = tensor([3., 6.])

In [16]:

print(torch.stack([x, y, z]))
print(torch.stack([x, y, z], dim=1))

tensor([[1., 4.],
        [2., 5.],
        [3., 6.]])
tensor([[1., 2., 3.],
        [4., 5., 6.]])

In [17]:

print(torch.cat([x.unsqueeze(0), y.unsqueeze(0), z.unsqueeze(0)], dim=0))

tensor([[1., 4.],
        [2., 5.],
        [3., 6.]])

In [18]:

print(torch.cat([x.unsqueeze(0), y.unsqueeze(0), z.unsqueeze(0)], dim=1))

tensor([[1., 4., 2., 5., 3., 6.]])

In [19]:

print(torch.cat([x.unsqueeze(1), y.unsqueeze(1), z.unsqueeze(1)], dim=0))

tensor([[1.],
        [4.],
        [2.],
        [5.],
        [3.],
        [6.]])

In [20]:

print(torch.cat([x.unsqueeze(1), y.unsqueeze(1), z.unsqueeze(1)], dim=1))

tensor([[1., 2., 3.],
        [4., 5., 6.]])

In [21]:

x = torch.FloatTensor([[0, 1, 2], [2, 1, 0]])
print(x)

tensor([[0., 1., 2.],
        [2., 1., 0.]])

In [22]:

print(torch.ones_like(x))
print(torch.zeros_like(x))

tensor([[1., 1., 1.],
        [1., 1., 1.]])
tensor([[0., 0., 0.],
        [0., 0., 0.]])

In [23]:

x = torch.FloatTensor([[1, 2], [3, 4]])
print(x)

tensor([[1., 2.],
        [3., 4.]])

In [24]:

print(x.mul(2.))
print(x)

tensor([[2., 4.],
        [6., 8.]])
tensor([[1., 2.],
        [3., 4.]])

In [25]:

print(x.mul_(2.))
print(x)

tensor([[2., 4.],
        [6., 8.]])
tensor([[2., 4.],
        [6., 8.]])