새롭게 알게된 점

view와 reshape는 텐서를 재구조화하는데 사용되지만, 둘 사이에 중요한 차이가 있다. view는 연속된 메모리에서만 동작하며, 텐서의 데이터를 재배치하지 않는다. 반면, reshape는 필요할 경우 데이터를 재배치하여 새로운 형태로 텐서를 만든다.

따라서, view를 사용하려고 할 때 오류가 발생하는 이유는 텐서의 데이터가 연속적이지 않기 때문이다. 이 경우 reshape를 사용해야 한다. 예를 들어, reshape를 사용하여 텐서를 재구조화할 수 있다.

e = d.reshape(1, -1)
print('e =', e)

만약 reshape도 제대로 동작하지 않는다면, 다음과 같이 contiguous 메소드를 사용하여 텐서를 연속적인 메모리 블록으로 변환한 후 view를 사용할 수 있다.

d_contiguous = d.contiguous()
e = d_contiguous.view(1, -1)
print('e =', e)

reshape는 기본적으로 contiguous와 유사한 작업을 수행하므로, 아래 방법이 작동해야 한다.

e = d.reshape(1, -1)
print('e =', e)

summary

  • view는 텐서의 데이터가 연속적인 경우에만 사용 가능.
  • reshape는 데이터가 연속적이지 않더라도 새로운 형태로 텐서를 재구조화할 수 있음.
  • contiguous는 텐서를 연속적인 메모리 블록으로 변환.

1. 강의

PyTorch Intro

1) 실습 개요

이번 실습에서는 Tensor의 의미에 대한 이해를 바탕으로 차원별 Tensor의 모습과 코드 표현을 탐구해 봅니다.

2) 실습 진행 목적 및 배경

PyTorch와 AI 분야에서 Tensor는 필수적인 개념 중 하나입니다. 실습을 통해 PyTorch Tensor의 코드 표현을 확인하고 차원별 Tensor의 모습과 쓰임새를 이해하고자 합니다.

3) 실습 수행으로 얻어갈 수 있는 역량

  • 실습을 통해 Tensor의 PyTorch 코드 표현을 사용할 수 있다.

4) 실습 핵심 내용

   4.2 Tensor의 여러가지 표현

5) Required Package

pip install torch

Data type & Basic Functions

1) 실습 개요

이번 실습에서는 Tensor의 다양한 데이터 타입과 타입 캐스팅 방법에 대해 학습합니다. 또한 Tensor를 다루는 함수와 메서드들을 사용해보며 각각의 역할을 익혀봅니다.

2) 실습 진행 목적 및 배경

PyTorch에서 데이터 타입을 이해
AI 학습 및 활용 시 알맞은 데이터 타입을 사용하지 않으면 의도와는 다른 결과물을 얻을 수 있다.
Tensor를 다루는 여러 함수와 메서드들을 배움으로써 AI 개발에 유용하게 사용할 수 있다.

3) 실습 내용

   1.1 PyTorch의 데이터 타입
   1.2 타입 캐스팅
   2.1 Tensor의 요소를 반환하거나 계산하는 함수
   2.2 Tensor의 특성을 확인하는 메서드

5) Required Package

pip install torch

import torch

# 데이터 타입 예제
t = torch.FloatTensor([1.0, 2.0, 3.0])
print(t)
print(t.dtype)  # 출력: torch.float32

# 타입 캐스팅 예제
t_int = t.to(torch.int32)
print(t_int)
print(t_int.dtype)  # 출력: torch.int32

Creating Tensors

1) 실습 개요

이번 실습에서는 Tensor의 다양한 생성 방법과 초기화에 대한 이해를 바탕으로 PyTorch에서 실제로 Tensor를 생성하고 초기화하는 여러 방법들을 수행

2) 실습 진행 목적 및 배경

PyTorch에서 Tensor는 필수적으로 알아야 하는 요소 중 하나.
AI의 학습은 주로 병렬 처리에 용이한 GPU에서 이루어지기 때문에 PyTorch에서 GPU 환경을 인식하고 Tensor를 GPU에 할당하는 방법을 아는 것이 중요하다.
실습의 목적은 PyTorch에서 Tensor를 생성 및 초기화하는 다양한 방법을 이해하고 Tensor를 GPU, CPU 디바이스에 할당하거나 변환하는 방법을 이해하는 것이다.

3) 실습 내용

   1.1 특정한 값으로 초기화된 Tensor 생성
   1.2 특정한 값으로 초기화된 Tensor 변환
   1.3 난수로 초기화된 Tensor 생성
   1.4 지정된 범위 내에서 초기화된 Tensor 생성
   1.5 초기화 되지 않은 Tensor 생성
   1.6 list, Numpy 데이터로부터 Tensor 생성
   1.7 CPU Tensor 생성
   1.8 Tensor 복제
   1.9 CUDA Tensor 생성과 변환

5) Required Package

pip install torch

import torch

# 0으로 초기화된 Tensor 생성
t_zeros = torch.zeros([1, 10, 100])
print(t_zeros)

# 난수로 초기화된 Tensor 생성
t_rand = torch.randn([2, 3])
print(t_rand)

# CUDA Tensor 생성
if torch.cuda.is_available():
    t_cuda = torch.randn([2, 3], device='cuda')
    print(t_cuda)

Manipulation of Tensors

1) 실습 개요

이번 실습에서는 텐서의 인덱싱과 슬라이싱, 모양 변경에 대한 이해를 바탕으로 PyTorch에서 텐서를 조작

2) 실습 진행 목적 및 배경

AI 모델을 설계할 때 Tensor에서 원하는 요소들만 선택하여 가져오거나 Tensor의 모양을 변경하는 Tensor의 조작은 필수 요소 중 하나이다.
PyTorch에서 Tensor를 다루는 방법을 익히고 AI 모델을 설계, 개발할 때 알맞게 활용하기 위함입니다.

3) 실습 내용

   1.1 Tensor의 indexing & slicing
   2.1 view() 메서드를 활용한 Tensor의 모양변경
   2.2 flatten() 함수를 활용한 Tensor의 평탄화
   2.3 reshape() 메서드를 활용한 Tensor의 모양변경
   2.4 transpose() 메서드를 활용한 Tensor의 모양변경
   2.5 squeeze() 함수를 활용한 Tensor의 차원 축소
   2.6 unsqueeze() 함수를 활용한 Tensor의 차원 확장
   2.7 stack() 함수를 활용한 Tensor들 간의 결합

5) Required Package

pip install torch

import torch

# Tensor 생성
t = torch.randn(3, 4, 5)

# 인덱싱과 슬라이싱
print(t[0])        # 첫 번째 행
print(t[:, 1])     # 모든 행의 두 번째 열

# view 메서드를 활용한 Tensor의 모양변경
t_view = t.view(3, 20)
print(t_view.shape)

# flatten 함수를 활용한 Tensor의 평탄화
t_flatten = t.flatten()
print(t_flatten.shape)

# reshape() 메서드를 활용한 Tensor의 모양변경
t_reshape = t.reshape(5, 12)
print(t_reshape.shape)

# transpose() 메서드를 활용한 Tensor의 모양변경
t_transpose = t.transpose(0, 2)
print(t_transpose.shape)

# squeeze() 함수를 활용한 Tensor의 차원 축소
t_squeeze = torch.randn(1, 3, 4, 1)
print(t_squeeze.squeeze().shape)

# unsqueeze() 함수를 활용한 Tensor의 차원 확장
t_unsqueeze = t_squeeze.unsqueeze(0)
print(t_unsqueeze.shape)

# stack() 함수를 활용한 Tensor들 간의 결합
t1 = torch.randn(2, 3)
t2 = torch.randn(2, 3)
t_stack = torch.stack((t1, t2), dim=0)
print(t_stack.shape)



2. Peer session

  • Ice breaking
  • Peer session 계획서 작성

3. Daily report 환경 세팅

  • jekyll을 이용해 theme 설치 & 적용
  • 상단 icon image file 생성 & 적용
  • categories 변경, About.md 수정

4. 회고

  • 행복하다. 첫날이라서 피곤하지만 내일은 오늘보다 더 알차게 공부하고싶다!