PyTorch에서 특정 새 차원에서 텐서를 반복하는 방법

2024-07-27

PyTorch에서 특정 새 차원에서 텐서를 반복하는 방법

repeat 함수 사용

torch.repeat 함수는 텐서를 지정된 횟수만큼 반복하는 가장 간단한 방법입니다. 예를 들어 다음 코드는 텐서 x를 새 차원 dim에서 3번 반복합니다.

import torch

x = torch.tensor([1, 2, 3])

# 새 차원 `dim`에서 텐서 `x`를 3번 반복
y = x.repeat(1, 3, 1)

print(y)
# 출력: tensor([[1, 2, 3],
#                [1, 2, 3],
#                [1, 2, 3]])

repeat 함수는 사용하기 간단하지만 새 차원을 맨 앞에 추가한다는 단점이 있습니다. 만약 새 차원을 맨 끝에 추가하고 싶다면 다음과 같이 unsqueeze 함수를 사용해야 합니다.

y = x.unsqueeze(dim).repeat(1, 1, 3)

view 함수 사용

torch.view 함수는 텐서의 크기와 형태를 변경하는 데 사용할 수 있습니다. 새 차원을 추가하려면 다음과 같이 -1을 사용할 수 있습니다.

y = x.view(1, -1, 3)

print(y)
# 출력: tensor([[1, 2, 3],
#                [1, 2, 3],
#                [1, 2, 3]])

view 함수는 repeat 함수보다 더 유연하지만 사용하기 조금 더 복잡합니다. 특히 텐서의 크기가 크거나 복잡한 형태를 가지고 있는 경우에는 더욱 그렇습니다.

루프 사용

루프를 사용하여 텐서를 반복하는 방법도 있습니다. 이 방법은 가장 느리지만 가장 유연한 방법입니다.

y = torch.empty(1, 3, x.size(0))

for i in range(x.size(0)):
  y[0, :, i] = x[i]

print(y)
# 출력: tensor([[1, 2, 3],
#                [1, 2, 3],
#                [1, 2, 3]])

방법 비교

방법	장점	단점
`repeat` 함수	간단	새 차원을 맨 앞에 추가
`view` 함수	유연	사용하기 조금 더 복잡
루프 사용	가장 유연	가장 느림

결론

PyTorch에서 텐서를 특정 새 차원에서 반복하는 방법은 여러 가지가 있습니다. 가장 적합한 방법은 특정 상황에 따라 다릅니다. 간단하고 빠른 방법을 찾고 있다면 repeat 함수를 사용하는 것이 좋습니다. 더 유연한 방법을 찾고 있다면 view 함수 또는 루프를 사용하는 것이 좋습니다.

예제 코드

`repeat` 함수 사용

import torch

x = torch.tensor([1, 2, 3])

# 새 차원 `dim`에서 텐서 `x`를 3번 반복
y = x.repeat(1, 3, 1)

print(y)
# 출력: tensor([[1, 2, 3],
#                [1, 2, 3],
#                [1, 2, 3]])

`view` 함수 사용

y = x.view(1, -1, 3)

print(y)
# 출력: tensor([[1, 2, 3],
#                [1, 2, 3],
#                [1, 2, 3]])

루프 사용

y = torch.empty(1, 3, x.size(0))

for i in range(x.size(0)):
  y[0, :, i] = x[i]

print(y)
# 출력: tensor([[1, 2, 3],
#                [1, 2, 3],
#                [1, 2, 3]])

추가 예제

텐서 x를 새 차원 dim에서 2번 반복하고 새 차원 dim2에서 3번 반복하려면 다음과 같이 repeat 함수를 사용할 수 있습니다.

y = x.repeat(1, 2, 3, 1)

텐서 x를 2x3 배열로 변환하려면 다음과 같이 view 함수를 사용할 수 있습니다.

y = x.view(2, 3)

텐서 x를 3x3 배열로 변환하고 각 행에 1을 추가하려면 다음과 같이 루프를 사용할 수 있습니다.

y = torch.empty(3, 3)

for i in range(3):
  y[i, :] = x
  y[i, 0] = 1

print(y)
# 출력: tensor([[1, 1, 2, 3],
#                [1, 1, 2, 3],
#                [1, 1, 2, 3]])

PyTorch에서 텐서를 특정 새 차원에서 반복하는 대체 방법

torch.expand 함수 사용

import torch

x = torch.tensor([1, 2, 3])

# 새 차원 `dim`에서 텐서 `x`를 3번 반복
y = x.expand(1, 3, -1)

print(y)
# 출력: tensor([[1, 2, 3],
#                [1, 2, 3],
#                [1, 2, 3]])

expand 함수는 repeat 함수와 비슷하지만 텐서의 크기를 변경하지 않는다는 점에서 차이가 있습니다. 즉, expand 함수를 사용하면 원본 텐서의 메모리가 공유됩니다.

torch.stack 함수 사용

y = torch.stack([x, x, x], dim=0)

print(y)
# 출력: tensor([[1, 2, 3],
#                [1, 2, 3],
#                [1, 2, 3]])

stack 함수는 텐서를 복사하므로 원본 텐서의 메모리가 공유되지 않습니다.

NumPy 사용

NumPy를 사용하여 PyTorch 텐서를 조작할 수도 있습니다. NumPy 배열을 새 차원으로 확장하려면 다음과 같이 repeat 함수 또는 reshape 함수를 사용할 수 있습니다.

import numpy as np

x = torch.tensor([1, 2, 3])

# NumPy 배열로 변환
x_numpy = x.numpy()

# 새 차원 `dim`에서 NumPy 배열 `x_numpy`를 3번 반복
y_numpy = np.repeat(x_numpy, 3, axis=dim)

# NumPy 배열을 PyTorch 텐서로 변환
y = torch.from_numpy(y_numpy)

print(y)
# 출력: tensor([[1, 2, 3],
#                [1, 2, 3],
#                [1, 2, 3]])