diff --git a/beginner_source/blitz/tensor_tutorial.py b/beginner_source/blitz/tensor_tutorial.py index b64f3e0bb..1824ee6c4 100644 --- a/beginner_source/blitz/tensor_tutorial.py +++ b/beginner_source/blitz/tensor_tutorial.py @@ -14,7 +14,7 @@ Tensors ^^^^^^^ -Tensor는 NumPy의 ndarray와 유사하며, 추가로 GPU를 사용한 연산 가속도 가능합니다. +Tensor는 NumPy의 ndarray와 유사하며, GPU를 사용한 연산 가속도 가능합니다. """ from __future__ import print_function @@ -51,8 +51,8 @@ print(x) ############################################################### -# 또는 존재하는 tensor를 바탕으로 tensor를 만듭니다. 이 메소드(method)들은 -# 사용자로부터 제공된 새로운 값이 없는 한, 입력 tensor의 속성들(예. dtype)을 +# 또는 기존 tensor를 바탕으로 새로운 tensor를 만듭니다. 이들 메소드(method)는 +# 사용자로부터 새로운 값을 제공받지 않은 한, 입력 tensor의 속성들(예. dtype)을 # 재사용합니다. x = x.new_ones(5, 3, dtype=torch.double) # new_* 메소드는 크기를 받습니다 @@ -68,7 +68,7 @@ ############################################################### # .. note:: -# ``torch.Size`` 는 사실 튜플(tuple)과 같으며, 모든 튜플 연산을 지원합니다. +# ``torch.Size`` 는 튜플(tuple) 타입으로, 모든 튜플 연산을 지원합니다. # # 연산(Operations) # ^^^^^^^^^^^^^^^^ @@ -90,7 +90,7 @@ print(result) ############################################################### -# 덧셈: 바꿔치기(In-place) 방식 +# 덧셈: 바꿔치기(in-place) 방식 # y에 x 더하기 y.add_(x) @@ -98,11 +98,10 @@ ############################################################### # .. note:: -# 바꿔치기(In-place) 방식으로 tensor의 값을 변경하는 연산은 ``_`` 를 접미사로 -# 갖습니다. +# 바꿔치기(in-place) 방식으로 tensor의 값을 변경하는 연산 뒤에는 ``_``가 붙습니다. # 예: ``x.copy_(y)``, ``x.t_()`` 는 ``x`` 를 변경합니다. # -# NumPy스러운 인덱싱 표기 방법을 사용할 수도 있습니다! +# NumPy스러운 인덱싱 표기 방법을 사용하실 수도 있습니다! print(x[:, 1]) @@ -110,7 +109,7 @@ # 크기 변경: tensor의 크기(size)나 모양(shape)을 변경하고 싶다면 ``torch.view`` 를 사용합니다: x = torch.randn(4, 4) y = x.view(16) -z = x.view(-1, 8) # -1은 다른 차원들을 사용하여 유추합니다. +z = x.view(-1, 8) # -1은 다른 차원에서 유추합니다. print(x.size(), y.size(), z.size()) ############################################################### @@ -124,16 +123,16 @@ # # # 전치(transposing), 인덱싱(indexing), 슬라이싱(slicing), 수학 계산, -# 선형 대수, 난수(random number) 등과 같은 100가지 이상의 Tensor 연산은 -# `여기 `_ 에 설명되어 있습니다. +# 선형 대수, 난수(random number) 등, 100가지 이상의 Tensor 연산은 +# `여기 `_ 에서 확인하실 수 있습니다. # # NumPy 변환(Bridge) # ------------------- # # Torch Tensor를 NumPy 배열(array)로 변환하거나, 그 반대로 하는 것은 매우 쉽습니다. # -# (CPU 상의) Torch Tensor와 NumPy 배열은 저장 공간을 공유하기 때문에, -# 하나를 변경하면 다른 하나도 변경됩니다. +# (Torch Tensor가 CPU 상에 있다면) Torch Tensor와 NumPy 배열은 메모리 공간을 +# 공유하기 때문에, 하나를 변경하면 다른 하나도 변경됩니다. # # Torch Tensor를 NumPy 배열로 변환하기 # ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^ @@ -157,7 +156,7 @@ ############################################################### # NumPy 배열을 Torch Tensor로 변환하기 # ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^ -# NumPy(np) 배열을 변경하면 Torch Tensor의 값도 자동 변경되는 것을 확인해보세요. +# np (NumPy) 배열을 변경하면 Torch Tensor의 값도 자동 변경되는 것을 확인해보세요. import numpy as np a = np.ones(5) @@ -167,8 +166,8 @@ print(b) ############################################################### -# CharTensor를 제외한 CPU 상의 모든 Tensor는 NumPy로의 변환을 지원하며, -# (NumPy에서 Tensor로의) 반대 변환도 지원합니다. +# CharTensor를 제외한 CPU 상의 모든 Tensor는 NumPy로 변환할 수 있고, +# (NumPy에서 Tensor로의) 반대 변환도 가능합니다. # # CUDA Tensors # ------------