fastai와 파이토치가 만나 꽃피운 딥러닝

626

4



밑바닥부터 구현하는 딥러닝

>>> (a + b).mean().item()

9.666666984558105

두 텐서의 모양이 같기만 하다면 요소별 연산을 언제든지 사용할 수 있습니다.

>>> m = tensor([[1., 2, 3], [4,5,6], [7,8,9]])

>>> m*m

tensor([[ 1., 4., 9.],

[16., 25., 36.],

[49., 64., 81.]])

그러나 두 텐서의 모양이 같지 않다면 (다음 절에서 볼 브로드캐스팅을 적용하지 않는 한) 요

소별 연산은 불가능합니다.

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

>>> m*n

RuntimeError: The size of tensor a (3) must match the size of tensor b (2) at

dimension 0

세 중첩 반복문 중 하나는 요소별 연산으로 대체할 수 있습니다. 모든 요소를 합산하기 전에

a

의

i

번째 행과

b

의

j

번째 열에 해당하는 텐서를 서로 곱하면 되겠죠. 그러면 가장 안쪽의 반

복분이 파이토치로 대체되므로,

C

언어 수준의 속도로 처리할 수 있습니다.

단순히

a

[

i

,:]

나

b

[:,

j

]

처럼 써서 하나의 열이나 행에 접근할 수 있습니다.

:

은 해당 차원

의 모든 것을 취하라는 의미지만,

1

:

5

처럼 범위를 명시해서 ...