【機械学習】pytorchの基本操作

こんにちは

今回は「pytorchの基本操作」について解説したいと思います。

pytorchの基本操作

torchのインポート

import torch

まず、「torch」というライブラリをインポートします。

pytorchではこのtorchを使うことで機械学習を効率よく進めていくことができます。

任意のテンソルを作る

x = torch.tensor([1,2,3])

テンソル(ここでは単に多次元の配列を指す)を作りたいときにはtorch.tensorとします。

GPUでも計算できて便利だそうです。

ランダムなテンソル

 
x = torch.randn(2,3)
print(x)
# tensor([[-1.8543,  1.5295,  0.9487],
          [ 0.2283, -1.1588,  0.3942]])  

要素が乱数のテンソルを作るには、randnとします。

これは標準正規分布(平均0, 分散1の正規分布)に従う乱数を作り出します。

テンソルの大きさを調べる

 
x = randn(2,3) 
print(x.size()) 
# torch.Size([2, 3]) 

\(x\)の大きさ(\(2\times 3\)の行列)が分かります。

テンソルの行・列・要素を取り出す

x = torch.randn([2,3])
print(x)
print(x[1,:]) 
print(x[:,0]) 
print(x[1,0])
""" 
tensor([[0.7668, 0.3616, 0.1420],
        [0.4437, 0.0342, 0.1561]]) 
tensor([0.7668, 0.4437]) 
tensor([0.4437, 0.0342, 0.1561]) 
tensor(0.0342) 
""" 

x[1,;]で1行目の要素すべてを取り出し、x[:,0]で0列目の要素をすべて取り出します。また、x[1,0]で1行0列目の要素が取り出せます。

テンソルの変形

 
x = torch.randn(4, 4)
y = x.view(16) 
z = x.view(-1, 8) 
print(x.size(), y.size(), z.size()) 
# torch.Size([4, 4]) torch.Size([16]) torch.Size([2, 8]) 

とします。viewで変形が行えます。-1を引数に指定することで、必要なサイズを自動で計算できます。

torch からnumpy, numpy からtorch への変換

a = torch.ones(5)
b = a.numpy()
print(a)
print(b)
print(type(a))
print(type(b))

import numpy as np
a = np.ones(5)
b = torch.from_numpy(a)
print(a)
print(b)
print(type(a))
print(type(b))
"""
tensor([1., 1., 1., 1., 1.])
[1. 1. 1. 1. 1.]
<class 'torch.Tensor'>
<class 'numpy.ndarray'>
[1. 1. 1. 1. 1.]
tensor([1., 1., 1., 1., 1.], dtype=torch.float64)
<class 'numpy.ndarray'>
<class 'torch.Tensor'>
"""

となります。numpy()で「torch \(\to\) numpy」, from_numpy()で「numpy \(\to\) torch」にテンソルを変換できます。