Basic Operation Quiz

문제집: 텐서 연산 및 비교

기본 개념 확인 문제

문제 1: 텐서 연결

1. 두 텐서 a와 b를 디멘전 제로 방향으로 연결하는 코드를 작성하세요.

2. 동일한 두 tensor를 dimension 1 방향으로 연결하려고 할 때 발생하는 오류의 원인을 설명하고, 이 오류를 해결하는 코드를 작성하세요.

a = torch.tensor([[1, 2], [3, 4]])

b = torch.tensor([[5, 6], [7, 8]])

result = torch.cat((a, b), dim = 0)

print(result)

# 출력:
# tensor([[1, 2],
#         [3, 4],
#         [5, 6],
#         [7, 8]])

a = torch.tensor([[1, 2], [3, 4]])
b = torch.tensor([[5, 6]])

result = torch.cat((a, b), dim = 1)

# RuntimeError: Sizes of tensors must match except in dimension 1. Got 2 and 1 in dimension 0

b = torch.tensor([[5], [6]])

result = torch.cat((a, b) dim = 1)

# 출력:
# tensor([[1, 2, 5],
#         [3, 4, 6]])

문제 2: 텐서 확장

1. 1행 3열의 텐서 f를 4행 3열로 확장하는 코드를 작성하세요.
2. repeat 메소드를 사용하여 2행 2열의 텐서 h를 디멘전 0방향으로 2번, 디멘전 1방향으로 3번 반복하는 코드를 작성하세요.

# 1행 3열의 텐서 f를 4행 3열로 확장
f = torch.tensor([[1, 2, 3]])

f_expanded = f.expand(4, 3)

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

# 리핏 메소드를 사용하여 2행 2열의 텐서 h를 디멘전 0방향으로 2번, 디멘전 1방향으로 3번 반복
h = torch.tensor([[1, 2], [3, 4]])

h_repeated = h.repeat(2, 3)

print(h_repeated)
# 출력:
# tensor([[1, 2, 1, 2, 1, 2],
#         [3, 4, 3, 4, 3, 4],
#         [1, 2, 1, 2, 1, 2],
#         [3, 4, 3, 4, 3, 4]])

중급 응용 문제

문제 3: 텐서 산술 연산

1. 2행 2열의 텐서 A와 B를 생성하고, 두 텐서의 요소별 더하기 연산을 수행하는 코드를 작성하세요.

A = torch.tensor([[1, 2], [3, 4]])
B = torch.tensor([[5, 6], [7, 8]])

result = torch.add(A, B)

print(result)
# 출력:
# tensor([[ 6,  8],
#         [10, 12]])

1. 동일한 텐서 A와 B에 대해 인플레이스 방식으로 더하기 연산을 수행하는 코드를 작성하세요.

A = torch.tensor([[1, 2], [3, 4]])
B = torch.tensor([[5, 6], [7, 8]])

A.add_(B)

print(A)
# 출력:
# tensor([[ 6,  8],
#         [10, 12]])

1. 크기가 다른 두 텐서 C(2행 2열)와 D(1행 2열)를 더하는 코드를 작성하세요. 이때 broadcasting이 어떻게 이루어지는지 설명하세요.

C = torch.tensor([[1, 2], [3, 4]])
D = torch.tensor([5, 6])

result = C + D
print(result)
# 출력:
# tensor([[6,  8],
#        [ 8, 10]])
# 설명: 1차원 텐서 D가 자동으로 확장되어 2차원 텐서 C와 연산됩니다.

문제 4: 텐서 비교 연산

1. 두 텐서 v(1, 3, 5, 7)와 w(2, 3, 5, 7)를 생성하고, 두 텐서의 요소들이 같은지를 비교하는 코드를 작성하세요.

v = torch.tensor([1, 3, 5, 7])
w = torch.tensor([2, 3, 5, 7])

result = torch.eq(v, w)

print(result)
# 출력:
# tensor([False,  True,  True,  True])

1. 동일한 텐서 v와 w에 대해 각 요소들이 다른지를 비교하는 코드를 작성하세요.

result = torch.ne(v, w)

print(result)
# 출력:
# tensor([ True, False, False, False])

1. 텐서 v의 요소들이 텐서 w의 요소들보다 큰지를 비교하는 코드를 작성하세요.

result = torch.gt(v, w)

print(result)
# 출력:
# tensor([False, False, False, False])

문제 5: 텐서 논리 연산

1. 두 텐서 x(1, 0, 1, 0)와 y(1, 1, 0, 0)를 생성하고, 논리곱 연산을 수행하는 코드를 작성하세요.

x = torch.tensor([1, 0, 1, 0], dtype=torch.bool)
y = torch.tensor([1, 1, 0, 0], dtype=torch.bool)

result = torch.logical_and(x, y)

print(result)
# 출력:
# tensor([ True, False, False, False])

1. 동일한 텐서 x와 y에 대해 논리합 연산을 수행하는 코드를 작성하세요.

result = torch.logical_or(x, y)

print(result)
# 출력:
# tensor([ True,  True,  True, False])

1. 베타적 논리합 연산을 수행하는 코드를 작성하세요.

result = torch.logical_xor(x, y)

print(result)
# 출력:
# tensor([False,  True,  True, False])

---

문제 6: 텐서의 복합 연산

1. 2행 2열의 텐서 E와 F를 생성하고, 두 텐서의 요소별 더하기, 빼기, 곱하기, 나누기 연산을 순서대로 수행하는 코드를 작성하세요.

E = torch.tensor([[1, 2], [3, 4]])
F = torch.tensor([[5, 6], [7, 8]])

add_result = E + F sub_result = E - F mul_result = E * F div_result = E / F

print("Add:", add_result)
# 출력:
# Add: tensor([[ 6,  8],
#              [10, 12]])

print("Sub:", sub_result)
# 출력:
# Sub: tensor([[-4, -4],
#              [-4, -4]])

print("Mul:", mul_result)
# 출력:
# Mul: tensor([[ 5, 12],
#              [21, 32]])

print("Div:", div_result)
# 출력:
# Div: tensor([[0.2000, 0.3333],
#              [0.4286, 0.5000]])

1. 텐서 G와 H를 생성하고, 두 텐서의 요소별 제곱과 제곱근을 구하는 코드를 작성하세요.

G = torch.tensor([[1, 2], [3, 4]])
H = torch.tensor([[2, 2], [2, 2]])

pow_result = torch.pow(G, H) sqrt_result = torch.sqrt(G.float()) # sqrt requires float tensor

print("Power:", pow_result)
# 출력:
# Power: tensor([[ 1,  4],
#                [ 9, 16]])

print("Sqrt:", sqrt_result)
# 출력:
# Sqrt: tensor([[1.0000, 1.4142],
#               [1.7321, 2.0000]])

---

문제 7: 텐서의 실제 문제 적용

1. 3차원 텐서 M과 N을 생성하고, 두 텐서를 디멘전 1 방향으로 연결하는 코드를 작성하세요. 이때 두 텐서의 크기를 미리 조정해야 한다면 어떻게 조정해야 하는지 설명하세요.

M = torch.tensor([[[1, 2], [3, 4]], [[5, 6], [7, 8]]])
N = torch.tensor([[[9, 10]], [[11, 12]]])

M의 크기와 맞추기 위해 N의 크기 조정

N = N.expand(2, 2, 2)

result = torch.cat((M, N), dim=1)

print(result)
# 출력:
# tensor([[[ 1,  2],
#          [ 3,  4],
#          [ 9, 10]],
#
#         [[ 5,  6],
#          [ 7,  8],
#          [11, 12]]])

1. 텐서 P와 Q를 사용하여 주어진 크기 제약 조건 내에서 최대한 메모리를 절약하는 방식으로 인플레이스 연산을 사용하는 코드를 작성하세요.

P = torch.tensor([[1, 2], [3, 4]])
Q = torch.tensor([[5, 6], [7, 8]])

P.add_(Q)

print(P)
# 출력:
# tensor([[ 6,  8],
#         [10, 12]])