5. 딥러닝 기초 - 1. Pytorch 기본

1. Introduction to PyTorch

 

Pytorch : Dynamic Computation Graph

TensorFlow: Define and Run

cf) Define and Run: 그래프를 먼저 정의 -> 실행시점에 데이터 feed

cf) Define by Run: 실행을 하면서 그래프를 생성하는 방식

 

Define by Run의 장점: 즉시 확인 가능, pythonic code

GPU support, Good API and Community, 사용하기 편함,

 

TensorFlow는 production 과 scalability의 장점이 있다.

PyTorch의 장점 (Numpy, AutoGrad, Function)

numpy구조를 가지는 Tensor 객체로 array 표현, 자동미분 지원 DL연산 지원, 다양한 형태의 DL을 지원하는 함수와 모델 지원

 

---

2. PyTorch Basics

 

PyTorch Operations

"numpy + AutoGrad"

a는 copy가 아님, b는 copy -> 주로 view를 쓰면됨

 

• view는 오직 contiguous한 tensor에만 적용할 수 있으며, reshape은 이러한 제약이 없다.
• view는 원래 tensor와 메모리를 공유하며, reshape도 가능한 경우에는 원래 tensor와 메모리를 공유한다.
•  

 

 

---

3. PyTorch 프로젝트 구조 이해하기

 

 

upyter Notebook으로 코드를 관리할 때 일반적으로 발생할 수 있는 어려움

 

• 쉬운 코드 재현이 어려울 수 있다.
• 실행 순서가 꼬일 가능성이 존재한다.

다음 중 PyTorch project template을 사용하여 코드를 관리할 때의 특징에 대해 옳은 것을 모두 고르시오.

 

• 
  프로젝트의 여러 모듈(module)들이 분리 돼 있어 코드를 재사용하기에 편리하다.
• 쉬운 코드 재현이 가능하다

다음 중 매직 메서드 `__getitem__` 에 대한 설명 중 옳지 않은 것을 고르시오.

        __getitem__`에 전달받는 인덱스는 항상 정수여야 한다.

•