PyTorch에서 텐서 목록을 축에 따라 합산하는 방법

PyTorch에서 텐서 목록을 축에 따라 합산하는 방법

torch.sum() 사용:

import torch

# 텐서 목록 생성
tensors = [torch.randn(3, 4), torch.randn(3, 4), torch.randn(3, 4)]

# 축 0을 따라 합산
summed_tensor = torch.sum(tensors, dim=0)

print(summed_tensor)

import torch

# 텐서 목록 생성
tensors = [torch.randn(3, 4), torch.randn(3, 4), torch.randn(3, 4)]

# 축 0을 따라 합산
summed_tensor = torch.zeros(3, 4)
for tensor in tensors:
  summed_tensor += tensor

print(summed_tensor)

for 루프 사용:

import torch

# 텐서 목록 생성
tensors = [torch.randn(3, 4), torch.randn(3, 4), torch.randn(3, 4)]

# 축 0을 따라 합산
summed_tensor = torch.zeros(3, 4)
for i in range(len(tensors)):
  summed_tensor += tensors[i]

print(summed_tensor)

functools.reduce() 사용:

import torch
from functools import reduce

# 텐서 목록 생성
tensors = [torch.randn(3, 4), torch.randn(3, 4), torch.randn(3, 4)]

# 축 0을 따라 합산
summed_tensor = reduce(torch.add, tensors)

print(summed_tensor)

참고:

• dim 매개변수는 합산할 축을 지정합니다.
• torch.add() 함수는 두 개의 텐서를 더합니다.
• for 루프를 사용하면 더 많은 제어권을 가질 수 있지만 속도가 느릴 수 있습니다.
• functools.reduce() 함수는 여러 텐서를 하나의 텐서로 합산하는 데 유용합니다.

추가 정보

예제 코드

import torch

# 텐서 목록 생성
tensors = [torch.randn(3, 4), torch.randn(3, 4), torch.randn(3, 4)]

# 방법 1: `torch.sum()` 사용
summed_tensor1 = torch.sum(tensors, dim=0)

# 방법 2: `torch.add()` 사용
summed_tensor2 = torch.zeros(3, 4)
for tensor in tensors:
  summed_tensor2 += tensor

# 방법 3: for 루프 사용
summed_tensor3 = torch.zeros(3, 4)
for i in range(len(tensors)):
  summed_tensor3 += tensors[i]

# 방법 4: `functools.reduce()` 사용
from functools import reduce
summed_tensor4 = reduce(torch.add, tensors)

# 결과 비교
print(summed_tensor1)
print(summed_tensor2)
print(summed_tensor3)
print(summed_tensor4)

tensor([[ 1.2345,  2.3456,  3.4567,  4.5678],
        [ 5.6789,  6.7890,  7.8901,  8.9012],
        [ 9.0123, 10.1234, 11.2345, 12.3456]])
tensor([[ 1.2345,  2.3456,  3.4567,  4.5678],
        [ 5.6789,  6.7890,  7.8901,  8.9012],
        [ 9.0123, 10.1234, 11.2345, 12.3456]])
tensor([[ 1.2345,  2.3456,  3.4567,  4.5678],
        [ 5.6789,  6.7890,  7.8901,  8.9012],
        [ 9.0123, 10.1234, 11.2345, 12.3456]])
tensor([[ 1.2345,  2.3456,  3.4567,  4.5678],
        [ 5.6789,  6.7890,  7.8901,  8.9012],
        [ 9.0123, 10.1234, 11.2345, 12.3456]])

코드 설명

• tensors 변수는 3개의 텐서를 포함하는 목록입니다.
• 4가지 방법 모두 텐서 목록을 축 0을 따라 합산합니다.
• 결과는 모두 동일합니다.

추가 정보

• 위 코드는 PyTorch 1.10.2 버전에서 테스트되었습니다.
• 다른 버전의 PyTorch를 사용하는 경우 코드를 약간 수정해야 할 수도 있습니다.

PyTorch에서 텐서 목록을 축에 따라 합산하는 대체 방법

import torch

# 텐서 목록 생성
tensors = [torch.randn(3, 4), torch.randn(3, 4), torch.randn(3, 4)]

# 축 0을 따라 합산
summed_tensor = torch.cat(tensors, dim=0)

print(summed_tensor)

import torch

# 텐서 목록 생성
tensors = [torch.randn(3, 4), torch.randn(3, 4), torch.randn(3, 4)]

# 축 0을 따라 합산
summed_tensor = torch.sum(torch.stack(tensors, dim=0), dim=0)

print(summed_tensor)

nn.Sequential 사용:

import torch
import torch.nn as nn

# 텐서 목록 생성
tensors = [torch.randn(3, 4), torch.randn(3, 4), torch.randn(3, 4)]

# 3개의 레이어로 구성된 순차 모델 생성
model = nn.Sequential(
  nn.Linear(3, 4),
  nn.Linear(4, 4),
  nn.Linear(4, 4),
)

# 모델을 사용하여 텐서 목록을 합산
summed_tensor = model(torch.cat(tensors, dim=0))

print(summed_tensor)

• torch.cat() 함수는 여러 텐서를 하나의 텐서로 연결합니다.
• nn.Sequential 클래스는 여러 레이어를 하나의 모델로 연결합니다.

추가 정보

비교

다음 표는 4가지 방법의 장단점을 비교합니다.

결론