PyTorch: 기본 사용법

PyTorch는 파이썬 기반의 과학 연산 패키지로, 다양한 딥러닝 모델을 구현하고 학습하기 위해 사용됩니다. 이 포스트에서는 PyTorch의 기본 사용법을 다루겠습니다.

설치하기

우선 PyTorch를 설치해야 합니다. 다음 명령어를 사용하여 PyTorch를 설치할 수 있습니다.

bash
pip install torch

텐서 생성하기

PyTorch의 핵심 데이터 구조는 텐서입니다. 텐서는 다차원 배열로, numpy의 배열과 유사한 동작을 수행합니다. 다음은 텐서를 생성하고 다양한 연산을 수행하는 예제입니다.

“`python
import torch

1D 텐서 생성

a = torch.tensor([1, 2, 3, 4, 5])

2D 텐서 생성

b = torch.tensor([[1, 2, 3], [4, 5, 6]])

텐서 모양(shape) 확인

print(a.shape) # 출력: torch.Size([5])
print(b.shape) # 출력: torch.Size([2, 3])

텐서 연산 수행

c = a + 2
d = torch.matmul(b, torch.transpose(b, 0, 1))

텐서 출력

print(c) # 출력: tensor([3, 4, 5, 6, 7])
print(d) # 출력: tensor([[14, 32],

[32, 77]])

“`

GPU 지원

PyTorch는 GPU를 사용하여 연산을 가속화할 수 있습니다. GPU로 텐서를 이동하려면 다음과 같이 코드를 수정해야 합니다.

“`python
import torch

GPU 사용 가능 여부 확인

device = torch.device(“cuda” if torch.cuda.is_available() else “cpu”)

텐서를 GPU로 옮기기

a = torch.tensor([1, 2, 3, 4, 5]).to(device)

GPU에서 텐서 연산 수행

b = a + 2

결과 출력

print(b)
“`

모델 정의하기

PyTorch를 사용하여 딥러닝 모델을 정의할 수 있습니다. 다음은 간단한 선형 회귀 모델의 예입니다.

“`python
import torch
import torch.nn as nn

선형 회귀 모델 정의

class LinearRegressionModel(nn.Module):
def init(self):
super(LinearRegressionModel, self).init()
self.linear = nn.Linear(1, 1) # 1차원 입력, 1차원 출력

def forward(self, x):
    return self.linear(x)

모델 인스턴스 생성

model = LinearRegressionModel()

손실 함수 정의

loss_function = nn.MSELoss()

옵티마이저 정의

optimizer = torch.optim.SGD(model.parameters(), lr=0.01)
“`

학습하기

PyTorch를 사용하여 모델을 학습시킬 수 있습니다. 다음은 데이터를 사용하여 모델을 학습하는 예입니다.

“`python
import torch

데이터 정의

x_train = torch.tensor([[1], [2], [3], [4], [5]])
y_train = torch.tensor([[2], [4], [6], [8], [10]])

모델 학습

for epoch in range(100):
# Forward pass
y_pred = model(x_train)

# 손실 계산
loss = loss_function(y_pred, y_train)

# Backward pass 및 가중치 업데이트
optimizer.zero_grad()
loss.backward()
optimizer.step()

# 손실 출력
print(f"Epoch {epoch+1}, Loss: {loss.item():.4f}")

“`

이 포스트에서는 PyTorch의 기본 사용법을 배웠습니다. PyTorch를 사용하여 복잡한 딥러닝 모델을 구현하고 학습시킬 수도 있으므로, 더 많은 기능에 대해서는 공식 문서를 참조하는 것이 좋습니다.

---

참고 문서: PyTorch 공식 문서