텐서 기본 생성

torch.tensor() vs torch.Tensor() — 헷갈리지 말자

PyTorch를 처음 접할 때 가장 많이 헷갈리는 부분입니다. 소문자 tensor와 대문자 Tensor는 완전히 다르게 동작합니다.

구분	torch.tensor()	torch.Tensor()
종류	함수	클래스 생성자
데이터 복사	항상 복사	복사하지 않을 수 있음
dtype 추론	입력값에서 자동 추론	기본값 float32 고정
권장 여부	✅ 권장	특수 용도에만 사용

import torch

# torch.tensor() — 함수: 데이터로부터 생성
t1 = torch.tensor([1, 2, 3])
print(t1.dtype)   # torch.int64  ← 정수 입력이므로 int64로 추론

t2 = torch.tensor([1.0, 2.0, 3.0])
print(t2.dtype)   # torch.float32  ← 실수 입력이므로 float32로 추론

# torch.Tensor() — 생성자: 항상 float32
t3 = torch.Tensor([1, 2, 3])
print(t3.dtype)   # torch.float32  ← 정수를 넣어도 float32

# 빈 텐서 생성 (크기만 지정, 초기화 안 됨)
t4 = torch.Tensor(3)        # 길이 3인 1D 텐서 (쓰레기값)
t5 = torch.Tensor(2, 3)     # 2×3 텐서 (쓰레기값)
print(t4.shape)   # torch.Size([3])
print(t5.shape)   # torch.Size([2, 3])

torch.Tensor()의 함정

torch.Tensor(3)은 값이 3인 텐서가 아니라 크기가 3인 초기화되지 않은 텐서입니다. 숫자 하나로 텐서를 만들 때는 torch.tensor(3)을 사용하세요.

---

Python 리스트에서 텐서 생성

가장 흔한 사용 패턴입니다. 중첩 리스트로 다차원 텐서를 만들 수 있습니다.

# 1D 텐서
t1d = torch.tensor([10, 20, 30, 40])
print(t1d)           # tensor([10, 20, 30, 40])
print(t1d.shape)     # torch.Size([4])

# 2D 텐서 (중첩 리스트)
t2d = torch.tensor([
    [1, 2, 3],
    [4, 5, 6]
])
print(t2d)
# tensor([[1, 2, 3],
#         [4, 5, 6]])
print(t2d.shape)     # torch.Size([2, 3])

# 3D 텐서
t3d = torch.tensor([
    [[1, 2], [3, 4]],
    [[5, 6], [7, 8]]
])
print(t3d.shape)     # torch.Size([2, 2, 2])

# 중첩 리스트의 크기가 불일치하면 오류
# torch.tensor([[1, 2], [3]])  → ValueError: 크기 불일치

---

Python 튜플에서 텐서 생성

리스트와 동일하게 동작합니다.

# 튜플에서 생성
t_tuple = torch.tensor((1.0, 2.0, 3.0))
print(t_tuple)        # tensor([1., 2., 3.])

# 중첩 튜플
t_nested = torch.tensor(((1, 2), (3, 4), (5, 6)))
print(t_nested.shape) # torch.Size([3, 2])

# 리스트와 튜플 혼합도 가능
t_mixed = torch.tensor([(1, 2), (3, 4)])
print(t_mixed.shape)  # torch.Size([2, 2])

---

dtype 지정하기

데이터 타입을 명시적으로 지정하면 의도치 않은 타입 변환을 방지할 수 있습니다.

# dtype 자동 추론
t_auto = torch.tensor([1, 2, 3])
print(t_auto.dtype)   # torch.int64

# dtype 명시 지정
t_f32  = torch.tensor([1, 2, 3], dtype=torch.float32)
t_f64  = torch.tensor([1, 2, 3], dtype=torch.float64)
t_i32  = torch.tensor([1, 2, 3], dtype=torch.int32)
t_bool = torch.tensor([1, 0, 1], dtype=torch.bool)

print(t_f32.dtype)    # torch.float32
print(t_f64.dtype)    # torch.float64
print(t_i32.dtype)    # torch.int32
print(t_bool)         # tensor([ True, False,  True])

주요 dtype 목록

dtype	줄임 표기	설명	메모리
torch.float32	torch.float	단정밀도 실수 (기본값)	4 bytes
torch.float64	torch.double	배정밀도 실수	8 bytes
torch.float16	torch.half	반정밀도 (GPU 훈련용)	2 bytes
torch.int64	torch.long	64비트 정수 (인덱스용)	8 bytes
torch.int32	torch.int	32비트 정수	4 bytes
torch.bool	—	불리언	1 byte

# 딥러닝에서 자주 쓰는 dtype 패턴
weights = torch.tensor([0.1, 0.2, 0.3], dtype=torch.float32)  # 모델 파라미터
labels  = torch.tensor([0, 1, 2],        dtype=torch.long)     # 클래스 인덱스
mask    = torch.tensor([True, False],    dtype=torch.bool)     # 마스킹

---

device 지정하기

텐서를 생성할 때 바로 GPU에 올릴 수 있습니다.

# CPU (기본값)
t_cpu = torch.tensor([1.0, 2.0, 3.0])
print(t_cpu.device)   # cpu

# GPU — CUDA
if torch.cuda.is_available():
    t_gpu = torch.tensor([1.0, 2.0, 3.0], device='cuda')
    print(t_gpu.device)   # cuda:0

    # 특정 GPU 지정
    t_gpu1 = torch.tensor([1.0], device='cuda:1')

# GPU — Apple Silicon
if torch.backends.mps.is_available():
    t_mps = torch.tensor([1.0, 2.0, 3.0], device='mps')
    print(t_mps.device)   # mps

# 문자열 대신 torch.device 객체도 사용 가능
device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')
t = torch.tensor([1.0, 2.0], device=device)
print(t.device)

device 변수 패턴

실제 코드에서는 device 변수를 미리 정의해두고 재사용하는 패턴이 표준입니다. 이렇게 하면 CPU/GPU 환경 전환이 코드 한 줄만 바꾸면 됩니다.

device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')
# 이후 모든 텐서에 device=device 전달

---

dtype과 device 동시 지정

device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')

t = torch.tensor(
    [[1, 2, 3], [4, 5, 6]],
    dtype=torch.float32,
    device=device
)

print(t.dtype)    # torch.float32
print(t.device)   # cuda:0  또는  cpu
print(t.shape)    # torch.Size([2, 3])

---

관련 학습

dtype의 종류와 타입 변환 방법을 더 자세히 알아보려면 데이터 타입(dtype)을 참고하세요.

핵심 요약

• torch.tensor() (소문자) → 데이터로부터 생성, dtype 자동 추론, 항상 이것을 사용
• torch.Tensor() (대문자) → 클래스 생성자, 항상 float32, 빈 텐서에 사용
• 중첩 리스트/튜플로 다차원 텐서 생성 가능
• dtype= 으로 데이터 타입 명시, device= 으로 실행 장치 지정
• device 변수를 미리 정의해두는 패턴을 습관화할 것