Torch - 편집 역사

Admin: /* Querying elements */

2017-07-12T08:47:01Z

Querying elements

2017-07-12T08:44:37Z

slicing

2017-07-12T08:41:32Z

Querying elements

2017-07-12T08:39:13Z

storage

2017-07-12T08:39:03Z

apply

2017-07-12T08:38:31Z

narrow, sub

2017-07-12T08:38:16Z

narrow, sub

2017-07-12T08:37:56Z

narrow, sub

2017-07-12T08:37:37Z

narrow, sub

2017-07-12T08:35:57Z

narrow, sub

@@ 63번째 줄: / 63번째 줄: @@
 <pre>> x[2][3] -- returns row 2, column 3
 > x[{2,3}] -- another way to return row 2, column 3
 > x[torch.le(x,3)] -- torch.le returns a ByteTensor that acts as a mask
-> torch.le(x,3)
-  0  0  1
+--slicing
-  0  1  0
+x = torch.Tensor(5, 6):zero()
 x[{ 1,3 }] = 1 -- sets element at (i=1,j=3) to 1
 x[{ 2,{2,4} }] = 2  -- sets a slice of 3 elements to 2
@@ 85번째 줄: / 80번째 줄: @@
   5  0 -2  0  0
 [torch.DoubleTensor of dimension 5x6]</pre>

@@ 71번째 줄: / 71번째 줄: @@
   1  0  0
 [torch.ByteTensor of size 5x4] </pre>
 <pre>x = torch.Tensor(5, 6):zero()
 x[{ 1,3 }] = 1 -- sets element at (i=1,j=3) to 1

← 이전 판		2017년 7월 12일 (수) 08:41 판
71번째 줄:		71번째 줄:
	0 1 0 0		0 1 0 0
	[torch.ByteTensor of size 5x4] </pre>		[torch.ByteTensor of size 5x4] </pre>
		+	===slicing===
		+	<pre>x = torch.Tensor(5, 6):zero()
		+	x[{ 1,3 }] = 1 -- sets element at (i=1,j=3) to 1
		+	x[{ 2,{2,4} }] = 2 -- sets a slice of 3 elements to 2
		+	x[{ {},4 }] = -1 -- sets the full 4th column to -1
		+	x[{ {},2 }] = torch.range(1,5) -- copy a 1D tensor to a slice of x
		+	x[torch.lt(x,0)] = -2 -- sets all negative elements to -2 via a mask
		+	--final result
		+	> x
		+	0 1 1 -2 0 0
		+	0 2 2 -2 0 0
		+	0 3 0 -2 0 0
		+	0 4 0 -2 0 0
		+	0 5 0 -2 0 0
		+	[torch.DoubleTensor of dimension 5x6]</pre>

@@ 7번째 줄: / 7번째 줄: @@
 ==etc==
-===storage===
+===<c>storage</c>===
 Tensor is a particular way of viewing a Storage. <c>storage</c>로 접근하면 내부 배열에 순차적으로 접근 가능. matlab에서 2차원 이상 배열을 1차원배열 index로 접근하는 것과 동일.
 <pre>x = torch.Tensor(4,5)
@@ 14번째 줄: / 14번째 줄: @@
    s[i] = i
 end</pre>
 ===<c>apply</c>===
 <pre>x:apply(function(x)

@@ 14번째 줄: / 14번째 줄: @@
    s[i] = i
 end</pre>
-===apply===
+===<c>apply</c>===
 <pre>x:apply(function(x)
    return x
 end)</pre>
 ===<c>narrow, sub</c>===
   :narrow(dim, offset, length)

@@ 20번째 줄: / 20번째 줄: @@
 ===<c>narrow, sub</c>===
   :narrow(dim, offset, length)
-행렬의 slice를 가져옴. dim=1은 row, 2는 column, 3이상도 가능.''(row가 먼저임에 주의. torch 자체가 MATLAB과는 달리 항상 row먼저. 예를들어 1 2 3 4 5 6벡터를 (2,3)으로 reshape하면 첫 행이 1,2,3이 된다.)'’ <del>이래서 torch가 안되는거야</del><br />
+행렬의 slice를 가져옴. dim=1은 row, 2는 column, 3이상도 가능.''(row가 먼저임에 주의. torch 자체가 MATLAB과는 달리 항상 row먼저. 예를들어 1 2 3 4 5 6벡터를 (2,3)으로 reshape하면 첫 행이 1,2,3이 된다.)'' <del>이래서 torch가 안되는거야</del><br />
 offset=1이면 첫줄부터 가져옴. 즉 start index라고 보면 된다.<br />
 length는 해당 dimension의 vector몇개를 가져올지 지정. 즉 length=3이라고 해서 숫자 세개가 오는 것이 아니다. 5\(\times\)4 행렬에서 <c>narrow(1,3,2)</c>하면, 다음 색칠한 두줄을 반환한다. <c>sub(3,4)</c>[https://github.com/torch/torch7/blob/master/doc/tensor.md#tensor-subdim1s-dim1e---dim4s--dim4e]와 같다. (<c>sub</c>는 index에 -1을 허용한다. bound를 뜻함). <del>직관적인 <c>sub</c>권장</del>