파이토치 함수

ones(),zeros()

import torch
torch.zeros(4,4)
# tensor([[0., 0., 0., 0.],
#         [0., 0., 0., 0.],
#         [0., 0., 0., 0.],
#         [0., 0., 0., 0.]])
tensor = torch.ones(4, 4)
# tensor([[1., 1., 1., 1.],
#         [1., 1., 1., 1.],
#         [1., 1., 1., 1.],
#         [1., 1., 1., 1.]])
#슬라이싱도 가능
tensor[:,1] = 0
print(tensor)
tensor([[1., 0., 1., 1.],
        [1., 0., 1., 1.],
        [1., 0., 1., 1.],
        [1., 0., 1., 1.]])

cat()

판다스의 concat()함수와 마찬가지로 리스트로 만들어줘야한다.

tensor = torch.ones(4, 4)
tensor[:,1] = 0

con_tensor = torch.cat([tensor, tensor, tensor], dim=1)
print(con_tensor)
# tensor([[1., 0., 1., 1., 1., 0., 1., 1., 1., 0., 1., 1.],
#         [1., 0., 1., 1., 1., 0., 1., 1., 1., 0., 1., 1.],
#         [1., 0., 1., 1., 1., 0., 1., 1., 1., 0., 1., 1.],
#         [1., 0., 1., 1., 1., 0., 1., 1., 1., 0., 1., 1.]])

argmax()

최대값의 index를 찾아주는 함수

import torch

# dim 옵션이 없을 경우(default)
a = torch.randn(3,3)
argmax = torch.argmax(a)
print(a)
print(argmax)
# tensor([[-0.0626, -1.4816, -0.6745],
#         [-0.8330,  0.2181,  0.5294],
#         [ 0.3596, -0.5217,  0.0292]])
# tensor(5)

#dim option을 줄 경우

a = torch.randn(3, 3)
argmax_dim_0 = torch.argmax(a, dim = 0)
print(a)
print(argmax_dim_0)
# tensor([[ 2.1830,  0.1679, -0.7654],
#         [-0.4077,  0.1342, -0.3766],
#         [-0.9798,  1.2932, -0.4124]])
# tensor([0, 2, 1])

max()

최대값을 출력해주는 함수

a = torch.randn(3,3)
justmax = torch.max(a)
print(a)
print(argmax)
# tensor([[ 2.1830,  0.1679, -0.7654],
#         [-0.4077,  0.1342, -0.3766],
#         [-0.9798,  1.2932, -0.4124]])
# tensor(2.1830)

item()

item()은 값만을 가져오고 싶을 경우 사용한다.(scalars에서만 사용 가능)

tensor = torch.ones(4, 4)

agg = tensor.sum()
agg_item = agg.item()
print(agg,agg_item, type(agg_item))
# tensor(16.) 
# 16.0 
# <class 'float'>

eval()

eval()은 보통 evaluation 과정 전에 사용되는 함수이다.
eval() 함수는 evaluation 과정에서 사용하지 않아야 하는 layer들을 알아서 off 시키도록 하는 함수이다.
evaluation/validation 과정에선 보통 model.eval()과 torch.no_grad()를 함께 사용한다고 한다.

model.eval()
score = 0
for i, (images, labels) in enumerate(val_loader):
    images = images.to(device)
    labels = labels.to(device)

    g_labels = model(images)

    score += int(torch.max(g_labels, 1)[1][0] == labels[0])

numpy.clip() -CV에서 자주 사용됨

numpy.clip(array, min, max)

    array 내의 값들에 대해서

    min 값 보다 작은 값들을 min값으로 바꿔주고

    max 값 보다 큰 값들을 max값으로 바꿔주는 함수.