PyTorch

동적 계산 그래프(Dynamic Computation Graph)사용자 친화적인 Pythonic API (Autograd 자동 미분 지원)강력한 커뮤니티와 생태계사전 학습된 모델 제공을 통한 쉬운 전이학습 수행GPU를 활용한 고성능 텐서 연산 지원성능 최적화 (대규모

다차원 배열을 나타내는 PyTorch 핵심 데이터 구조차원에 따른 shape 표현 방식차원이 늘어날 때마다 늘어난 다음 차원 요소는 앞에 추가 됨torch.uint16, torch.uint32, torch.uint64는 부호 없는 정수형양의 정수만 표현할 수 있지만

예시예시예시특정 값으로 설정되지 않은 Tensor로 메모리에 이미 존재하는 값으로 Tensor 생성불필요한 자원 소모를 줄여 성능 향상메모리 할당 후 즉시 계산에 사용하여 메모리 사용 최적화torch.empty()지정된 크기의 텐서 생성 (But, 초기화 X)메모리를

Tensor의 메모리가 연속적으로 할당된 경우에 사용 가능view(행, 열) 형태로 사용하며 -1 argument를 사용하면 자동으로 값을 계산해주기 때문에 유용view() 와 차이점view()와 달리 메모리가 연속적이지 않아도 사용 가능 \- 장점 : 안전하고 유연

1. Tensor

원점과 Vector(1D Tensor) 의 거리Vector의 길이, 크기 측정 함수L1 Norm, L2 Norm, L∞ Norm 등Vector(1D Tensor)의 유사한 정도에 대한 측정값Clustering 알고리즘에서 데이터들이 얼마나 유사한지 판단 기준Manhat

효율적인 구현 방법 이렇게 구현하는 것과 저렇게 구현하는 것 중 어떤게 좋을까? 라는 의문에 대한 검색 기록 모음 새로 알게된 유용한 기능들 From_numpy > Q. Numpy 배열을 Tensor로 변환하는 간략한 코드는 뭘까? .values를 통해 변환한 n