Tensor 만들기와 dtype

자주 쓰는 생성 함수를 표로 모았어요. 괄호 안 숫자는 shape이에요.

함수	만드는 것
`torch.tensor(데이터)`	주어진 숫자(리스트)로 만들어요. dtype을 숫자 모양으로 알아서 정해요
`torch.zeros(2, 3)`	0으로 가득 찬 2×3
`torch.ones(2, 3)`	1로 가득 찬 2×3
`torch.arange(시작, 끝, 간격)`	일정한 간격의 숫자 줄. 끝 값은 포함하지 않아요(range와 같은 규칙)
`torch.rand(2, 3)`	0 이상 1 미만의 난수(균등분포)
`torch.randn(2, 3)`	평균 0, 표준편차 1인 정규분포 난수. weight 초기화에 자주 써요
`torch.manual_seed(42)`	난수를 고정해요. 같은 seed면 같은 난수가 나와요
`t.item()`	원소가 하나뿐인 Tensor를 파이썬 숫자로 꺼내요

print(torch.arange(0, 10, 2)) print(torch.arange(5)) print(torch.arange(0, 2, 0.5)) print(torch.zeros(2, 3)) print(torch.tensor(95.5).item())

tensor([0, 2, 4, 6, 8]) tensor([0, 1, 2, 3, 4]) tensor([0.0000, 0.5000, 1.0000, 1.5000]) tensor([[0., 0., 0.], [0., 0., 0.]]) 95.5

코드 줄	무슨 뜻
`torch.arange(0, 10, 2)`	0에서 시작해 2씩. 10은 포함 안 해서 0, 2, 4, 6, 8
`torch.arange(5)`	시작과 간격을 생략하면 0부터 1씩 → 0, 1, 2, 3, 4 (5개)
`torch.arange(0, 2, 0.5)`	간격이 0.5이니 0, 0.5, 1.0, 1.5. 실수라서 소수점으로 찍혀요
`.item()`	Tensor 모양 `tensor(95.5000)`이 아니라 그냥 숫자 95.5로 바뀌어요

seed를 왜 고정하나요? 모델의 weight를 난수로 시작하는데 시작점이 매번 다르면 결과를 비교할 수 없기 때문이에요. 교수님은 실습에서 계속 seed 42를 썼어요.

dtype은 숫자의 종류예요. 시험에서 자주 나오는 것은 아래 네 가지예요.

dtype	어떤 값	이렇게 만들어져요
`torch.int64`	정수	`torch.tensor([1, 2, 3])`
`torch.float32`	실수(소수)	`torch.tensor([1.0, 2.0, 3.0])`, zeros, ones, rand, randn
`torch.float64`	더 정밀한 실수	dtype을 지정했을 때
`torch.bool`	참/거짓	`torch.tensor([True, False])`

리스트 안에 소수가 하나라도 있으면 전부 실수(float32)가 돼요. torch.tensor([1.0, 2.0, 3])은 float32예요.
torch.tensor([1, 2, 3], dtype=torch.float32)처럼 dtype=으로 종류를 지정할 수 있어요.
torch.tensor([1.2, 2.7, 3.5], dtype=torch.int64)는 소수점을 버려서 tensor([1, 2, 3])이 돼요.
글자(문자열)는 Tensor에 담을 수 없어서 에러(ValueError)가 나요.
딥러닝의 입력과 weight는 보통 float32를 써요.

시험엔 이렇게 써요 — 이렇게 고르세요

arange의 끝 값은 포함하지 않고, 원소가 하나인 Tensor는 .item()으로 파이썬 숫자로 바꾼다. 정수만 적으면 int64, 소수가 하나라도 있으면 float32이다. 난수를 재현하려면 manual_seed로 seed를 고정한다.

잠깐 확인 — torch.arange(1, 10, 3)의 결과는?

tensor([1, 4, 7])이에요. 1에서 시작해 3씩 더하고, 10 이상은 포함하지 않아요.

자료: 2주차 · Week02_Tensor_and_GPU(pdf, 풀이포함 ipynb) · 빅분02(2주차) 녹취