편집
1,408
번
바뀜
새 문서: == 개요 == === '''GPU 세팅''' === <syntaxhighlight lang="python"> if torch.cuda.is_available(): DEVICE = torch.device('cuda') else: DEVICE = torch.device('cpu') </syntaxh...
== 개요 ==
=== '''GPU 세팅''' ===
<syntaxhighlight lang="python">
if torch.cuda.is_available():
DEVICE = torch.device('cuda')
else:
DEVICE = torch.device('cpu')
</syntaxhighlight>위 코드처럼 어떤 자원을 사용하는지 지원해 세팅해준다.
== 숫자 ==
숫자를 사용할 때 n. 형태로 넣는다. 기본적으로 텐서단위 연산을 사용하여
<code>텐서 = torch.tensor([1., 2., 3., ...])</code> 형태로 정의한다.
이외, 일반 배열과 유사하게 쓰인다.
== 기초 작동 ==
loss값을 (y_pred - y).pow(2).sum() 따위로 계산해 구한 후, loss.backward()를 사용하기만 하면 자동으로 각 가중치의 grad값을 계산하여 w1.grad 따위에 반영한다. 그래서 w1값에 반영하고.. print(w1) 따위를 통해 필요할 때 가중치값을 확인할 수 있다. 쉬운듯 그 작동이 머리에 딱 그려지진 않네. 아직 텐서플로우를 제대로 배운 것도 아니지만, 연구용으로선 파이토치가 정말 괜찮아보인다
[[분류:PyTorch]]
=== '''GPU 세팅''' ===
<syntaxhighlight lang="python">
if torch.cuda.is_available():
DEVICE = torch.device('cuda')
else:
DEVICE = torch.device('cpu')
</syntaxhighlight>위 코드처럼 어떤 자원을 사용하는지 지원해 세팅해준다.
== 숫자 ==
숫자를 사용할 때 n. 형태로 넣는다. 기본적으로 텐서단위 연산을 사용하여
<code>텐서 = torch.tensor([1., 2., 3., ...])</code> 형태로 정의한다.
이외, 일반 배열과 유사하게 쓰인다.
== 기초 작동 ==
loss값을 (y_pred - y).pow(2).sum() 따위로 계산해 구한 후, loss.backward()를 사용하기만 하면 자동으로 각 가중치의 grad값을 계산하여 w1.grad 따위에 반영한다. 그래서 w1값에 반영하고.. print(w1) 따위를 통해 필요할 때 가중치값을 확인할 수 있다. 쉬운듯 그 작동이 머리에 딱 그려지진 않네. 아직 텐서플로우를 제대로 배운 것도 아니지만, 연구용으로선 파이토치가 정말 괜찮아보인다
[[분류:PyTorch]]