파이토치의 폴드(Fold)와 언폴드(Unfold) 작동 방식

2024-07-27

"Fold"와 "Unfold"는 PyTorch에서 제공하는 텐서 연산 함수로, 이미지 처리, 신호 처리, 자연어 처리 등 다양한 분야에서 활용됩니다. 이 글에서는 두 함수의 작동 방식을 자세히 살펴보고, 실제 코드 예시를 통해 이해를 돕겠습니다.

폴드(Fold)

폴드 함수는 텐서를 여러 개의 작은 텐서로 분할하여 처리하는 데 사용됩니다. 이는 마치 이미지를 여러 개의 작은 타일로 나누는 것과 비슷합니다. 폴드 함수는 다음과 같은 매개변수를 받습니다.

input: 입력 텐서
kernel_size: 폴딩 커널 크기
dilation: 폴딩 커널 간격
padding: 입력 텐서의 패딩 크기
stride: 폴딩 커널 이동 간격

언폴드(Unfold)

언폴드 함수는 폴드 함수의 역할을 수행합니다. 즉, 여러 개의 작은 텐서를 하나의 큰 텐서로 합쳐줍니다. 언폴드 함수는 다음과 같은 매개변수를 받습니다.

코드 예시

import torch

# 폴드 예시
input = torch.randn(1, 28, 28)  # (1, 28, 28) 크기의 텐서 생성
kernel_size = (2, 2)  # 2x2 폴딩 커널 설정

# 폴드 수행
output = torch.nn.functional.fold(input, kernel_size, padding=1)

print(output.shape)  # (1, 14, 14) 출력

# 언폴드 예시
input = torch.randn(1, 14, 14)  # (1, 14, 14) 크기의 텐서 생성
kernel_size = (2, 2)  # 2x2 폴딩 커널 설정

# 언폴드 수행
output = torch.nn.functional.unfold(input, kernel_size, padding=1)

print(output.shape)  # (1, 28, 28) 출력

활용 분야

이미지 처리: 이미지를 여러 개의 작은 영역으로 나누어 처리하여 특징 추출, 잡음 제거, 이미지 확대 등을 수행할 수 있습니다.
신호 처리: 신호를 여러 개의 작은 부분으로 나누어 처리하여 주파수 분석, 필터링, 압축 등을 수행할 수 있습니다.
자연어 처리: 문장을 여러 개의 단어 또는 토큰으로 나누어 처리하여 감정 분석, 주제 모델링, 기계 번역 등을 수행할 수 있습니다.

예제 코드

import torch

# 폴드 예시
input = torch.randn(1, 28, 28)  # (1, 28, 28) 크기의 텐서 생성
kernel_size = (2, 2)  # 2x2 폴딩 커널 설정

# 폴드 수행
output = torch.nn.functional.fold(input, kernel_size, padding=1)

print(output.shape)  # (1, 14, 14) 출력

# 언폴드 예시
input = torch.randn(1, 14, 14)  # (1, 14, 14) 크기의 텐서 생성
kernel_size = (2, 2)  # 2x2 폴딩 커널 설정

# 언폴드 수행
output = torch.nn.functional.unfold(input, kernel_size, padding=1)

print(output.shape)  # (1, 28, 28) 출력

input: 입력 텐서입니다. 예시에서는 (1, 28, 28) 크기의 텐서를 사용합니다.
kernel_size: 폴딩 커널 크기입니다. 예시에서는 2x2 커널을 사용합니다.
padding: 입력 텐서의 패딩 크기입니다. 예시에서는 패딩을 1로 설정하여 텐서 크기가 변하지 않도록 합니다.
output: 폴드 또는 언폴드 결과 텐서입니다.

실행 결과