Torch

links

iTorch

https://github.com/facebook/iTorch
ipython같이 쓸 수 있음.

etc

storage

Tensor is a particular way of viewing a Storage. storage로 접근하면 내부 배열에 순차적으로 접근 가능. matlab에서 2차원 이상 배열을 1차원배열 index로 접근하는 것과 동일.

x = torch.Tensor(4,5)
s = x:storage()
for i=1,s:size() do -- fill up the Storage
  s[i] = i
end

apply

x:apply(function(x)
  return x
end)

narrow, sub

: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.) ~~이래서 torch가 안되는거야~~
offset=1이면 첫줄부터 가져옴. 즉 start index라고 보면 된다.
length는 해당 dimension의 vector몇개를 가져올지 지정. 즉 length=3이라고 해서 숫자 세개가 오는 것이 아니다. 5\(\times\)4 행렬에서 narrow(1,3,2)하면, 다음 색칠한 두줄을 반환한다. sub(3,4)[1]와 같다. (sub는 index에 -1을 허용한다. bound를 뜻함). ~~직관적인 sub권장~~

0	0	0	0
0	0	0	0
0	0	0	0
0	0	0	0
0	0	0	0

초기화

x = torch.Tensor(5):zero()
x = torch.Tensor(5):fill(1)
x:zero()
-- creates a storage with 10 elements
s = torch.Storage(10):fill(1)
torch.Tensor({{1,2,3,4}, {5,6,7,8}})

contiguous

메모리상에서 연속이면 그 자체를 반환하고 아니면 clone해서 준다.
x:isContiguous()로 알아볼 수도 있음.

type

th> torch.Tensor():type()
torch.DoubleTensor
-- type casting
y = x:type('torch.IntTensor')
-- is equivalent to calling int()
> x:int()

Querying the size and structure

x:nDimension()
x:dim() -- same as above
x:size()
x:size(2) -- gets the number of columns

Querying elements

> 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)
 1  0  0  1
 1  0  1  0
 1  1  1  0
 1  0  0  0
 0  1  0  0
[torch.ByteTensor of size 5x4]

둘러보기 메뉴