docs(10_Wiki): 위키 전체 재구성 — Topic_* 폴더를 4개 카테고리로 통합 + 대규모 중복 제거
Topic_Agent/Topic_Blog/Topics/Topics_Biz/Topics_Meeting/Topics_Rag의 마크다운 지식 문서를 Topic_General/Topic_Programming/Topic_Graphic/Topic_Business 4개 카테고리로 재분류. - 중복 제거: frontmatter의 status:duplicate/merged + duplicate_of/redirect_to 필드로 자기 자신을 중복으로 선언한 리다이렉트 stub 1032개 제거, 완전 동일 내용 파일 472개 제거, 동일 파일명·다른 내용 충돌 시 더 큰(완전한) 버전만 유지(162개 제거) — 총 1639개 중복 제거. - 분류: 폴더 단위로 명확한 항목(AI_and_ML/Coding/Architecture 등 → Programming, Comfyui/Visual_Effects → Graphic, Topics_Biz/Topics_Meeting/사업 등 → Business, Poetic_Blog_Writing/창의성/Game_Design 등 → General)은 폴더 우선순위로, 나머지 혼재 폴더(Topic_Agent/Topic_Blog/Topics 루트/Thinking & Reasoning/Other/UI_UX_Assets)는 title/tags 키워드 스코어링으로 파일 단위 분류(불명확한 경우 General로 폴백). 원본 폴더명은 "From_*" 서브폴더로 보존해 추적 가능성 유지. - 최종 배치: Programming 2784 / General 1608 / Graphic 285 / Business 249 = 4926개 문서. - 에이전트 운영 상태(.astra/.agent/.obsidian/sessions/memory/_company/docs/lessons/_shared/src)는 지식 콘텐츠가 아니므로 재분류 대상에서 제외하고 원위치 유지. - Topics/Topic_email(상위 보호 폴더 Topic_email과 파일명 100% 중복) 삭제 — 보호 폴더 자체는 미변경. - 완전히 비게 된 Topic_Agent/Topic_Blog/Topics_Biz/Topics_Rag 폴더 제거.
This commit is contained in:
Antigravity Agent
@@ -0,0 +1,214 @@
|
||||
---
|
||||
id: wiki-2026-0508-pytorch-foundations
|
||||
title: PyTorch Foundations
|
||||
category: 10_Wiki/Topics
|
||||
status: verified
|
||||
canonical_id: self
|
||||
aliases: [PyTorch Basics, PyTorch Core, torch fundamentals]
|
||||
duplicate_of: none
|
||||
source_trust_level: A
|
||||
confidence_score: 0.95
|
||||
verification_status: applied
|
||||
tags: [pytorch, deep-learning, tensors, autograd]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-05-10
|
||||
github_commit: pending
|
||||
tech_stack:
|
||||
language: Python
|
||||
framework: PyTorch-2.x
|
||||
---
|
||||
|
||||
# PyTorch Foundations
|
||||
|
||||
## 매 한 줄
|
||||
> **"매 Tensor + autograd + nn.Module + DataLoader"**. 2016 Soumith Chintala @ Meta 가 release. 매 NumPy-like + GPU + automatic differentiation. 매 2026 현재 PyTorch 2.x — `torch.compile`, FSDP2, MPS backend, torch.func — 가 매 default DL framework.
|
||||
|
||||
## 매 핵심
|
||||
|
||||
### 매 4 pillars
|
||||
- **Tensor**: 매 N-d array, GPU/CPU/MPS, autograd-tracked.
|
||||
- **Autograd**: 매 reverse-mode AD — `.backward()`.
|
||||
- **nn.Module**: 매 layer + state container.
|
||||
- **DataLoader**: 매 batched + parallel data pipeline.
|
||||
|
||||
### 매 device
|
||||
- **CUDA**: NVIDIA. 매 production default.
|
||||
- **MPS**: Apple Silicon. 매 dev-machine.
|
||||
- **ROCm**: AMD. 매 growing.
|
||||
- **XPU**: Intel.
|
||||
|
||||
### 매 응용
|
||||
1. Vision (timm, torchvision).
|
||||
2. NLP / LLM (transformers, vLLM 의 backend).
|
||||
3. Diffusion (diffusers).
|
||||
4. RL (cleanrl, torchrl).
|
||||
5. Scientific ML (PINN, geometric DL).
|
||||
|
||||
## 💻 패턴
|
||||
|
||||
### Tensor basics
|
||||
```python
|
||||
import torch
|
||||
|
||||
x = torch.randn(3, 4, device="cuda", dtype=torch.float32)
|
||||
y = torch.arange(12).reshape(3, 4).float().cuda()
|
||||
|
||||
z = x @ y.T # matmul
|
||||
w = x.mean(dim=0) # reduction
|
||||
print(x.shape, x.dtype, x.device)
|
||||
```
|
||||
|
||||
### Autograd
|
||||
```python
|
||||
x = torch.tensor([1.0, 2.0, 3.0], requires_grad=True)
|
||||
y = (x ** 2).sum()
|
||||
y.backward()
|
||||
print(x.grad) # tensor([2., 4., 6.])
|
||||
```
|
||||
|
||||
### nn.Module
|
||||
```python
|
||||
import torch.nn as nn
|
||||
|
||||
class MLP(nn.Module):
|
||||
def __init__(self, d_in, d_h, d_out):
|
||||
super().__init__()
|
||||
self.net = nn.Sequential(
|
||||
nn.Linear(d_in, d_h), nn.GELU(),
|
||||
nn.Linear(d_h, d_h), nn.GELU(),
|
||||
nn.Linear(d_h, d_out),
|
||||
)
|
||||
def forward(self, x):
|
||||
return self.net(x)
|
||||
|
||||
model = MLP(784, 256, 10).cuda()
|
||||
```
|
||||
|
||||
### Training loop (canonical)
|
||||
```python
|
||||
from torch.utils.data import DataLoader
|
||||
|
||||
opt = torch.optim.AdamW(model.parameters(), lr=3e-4)
|
||||
loss_fn = nn.CrossEntropyLoss()
|
||||
loader = DataLoader(dataset, batch_size=128, shuffle=True,
|
||||
num_workers=4, pin_memory=True)
|
||||
|
||||
for epoch in range(10):
|
||||
for x, y in loader:
|
||||
x, y = x.cuda(non_blocking=True), y.cuda(non_blocking=True)
|
||||
opt.zero_grad(set_to_none=True)
|
||||
logits = model(x)
|
||||
loss = loss_fn(logits, y)
|
||||
loss.backward()
|
||||
opt.step()
|
||||
```
|
||||
|
||||
### torch.compile (2.x default)
|
||||
```python
|
||||
# 매 30-50% 속도 향상 의 free.
|
||||
model = torch.compile(model, mode="reduce-overhead")
|
||||
# mode: "default" | "reduce-overhead" | "max-autotune"
|
||||
```
|
||||
|
||||
### Mixed precision (bf16 / amp)
|
||||
```python
|
||||
from torch.amp import autocast, GradScaler
|
||||
|
||||
scaler = GradScaler("cuda")
|
||||
|
||||
for x, y in loader:
|
||||
opt.zero_grad(set_to_none=True)
|
||||
with autocast(device_type="cuda", dtype=torch.bfloat16):
|
||||
loss = loss_fn(model(x), y)
|
||||
scaler.scale(loss).backward()
|
||||
scaler.step(opt)
|
||||
scaler.update()
|
||||
```
|
||||
|
||||
### Custom Dataset
|
||||
```python
|
||||
from torch.utils.data import Dataset
|
||||
|
||||
class CSVDataset(Dataset):
|
||||
def __init__(self, path, transform=None):
|
||||
import pandas as pd
|
||||
self.df = pd.read_csv(path)
|
||||
self.transform = transform
|
||||
def __len__(self): return len(self.df)
|
||||
def __getitem__(self, i):
|
||||
row = self.df.iloc[i]
|
||||
x = torch.tensor(row[:-1].values, dtype=torch.float32)
|
||||
y = torch.tensor(row[-1], dtype=torch.long)
|
||||
return (self.transform(x), y) if self.transform else (x, y)
|
||||
```
|
||||
|
||||
### Save / load
|
||||
```python
|
||||
# state_dict (recommended)
|
||||
torch.save(model.state_dict(), "model.pt")
|
||||
model.load_state_dict(torch.load("model.pt", weights_only=True))
|
||||
|
||||
# safetensors (preferred for sharing, no pickle RCE)
|
||||
from safetensors.torch import save_file, load_file
|
||||
save_file(model.state_dict(), "model.safetensors")
|
||||
```
|
||||
|
||||
### Distributed (FSDP2, 2026 default for large)
|
||||
```python
|
||||
import torch.distributed as dist
|
||||
from torch.distributed.fsdp import FSDPModule, fully_shard
|
||||
|
||||
dist.init_process_group("nccl")
|
||||
model = MLP(...).cuda()
|
||||
fully_shard(model) # FSDP2 API
|
||||
```
|
||||
|
||||
### torch.func (functional API)
|
||||
```python
|
||||
from torch.func import vmap, grad
|
||||
|
||||
def loss(params, x, y):
|
||||
return ((model_fn(params, x) - y) ** 2).mean()
|
||||
|
||||
per_sample_grads = vmap(grad(loss), in_dims=(None, 0, 0))(params, X, Y)
|
||||
```
|
||||
|
||||
## 매 결정 기준
|
||||
| 상황 | Approach |
|
||||
|---|---|
|
||||
| Single-GPU train | `model.cuda()` + `torch.compile` |
|
||||
| Multi-GPU same node | DDP |
|
||||
| Model > GPU mem | **FSDP2** |
|
||||
| Apple Silicon dev | MPS backend |
|
||||
| Inference, llm-scale | vLLM / TensorRT-LLM |
|
||||
| Quick prototype | Lightning or pure loop |
|
||||
|
||||
**기본값**: PyTorch 2.x + bf16 + torch.compile + AdamW.
|
||||
|
||||
## 🔗 Graph
|
||||
- 부모: [[Deep Learning]]
|
||||
- 변형: [[JAX]] · [[TensorFlow]]
|
||||
- 응용: [[Transformer_Architecture_and_LLM_Foundations|Transformers]] · [[Diffusion-Models]] · [[Reinforcement-Learning]]
|
||||
- Adjacent: [[Lightning]] · [[Triton]]
|
||||
|
||||
## 🤖 LLM 활용
|
||||
**언제**: 매 boilerplate training loop, 매 shape debug, 매 custom op skeleton.
|
||||
**언제 X**: 매 hot-path numerical code 의 review 없이 trust X. 매 hallucinated API (e.g., 매 wrong autograd custom op).
|
||||
|
||||
## ❌ 안티패턴
|
||||
- **`zero_grad()` 없이 backward**: 매 grad accumulate 의 silent bug.
|
||||
- **`with torch.no_grad()` forget at eval**: 매 memory + 매 wrong stat.
|
||||
- **CPU↔GPU 의 매 step transfer**: 매 PCIe bottleneck. 매 pin_memory + non_blocking.
|
||||
- **In-place op 의 autograd-tracked tensor**: `x += 1` 의 backward 의 break.
|
||||
- **`weights_only=False` (default 2.6+)**: pickle RCE risk. 매 always `weights_only=True`.
|
||||
- **No `set_to_none=True`**: 매 zero-fill 의 wasteful.
|
||||
|
||||
## 🧪 검증 / 중복
|
||||
- Verified (pytorch.org docs, PyTorch 2.x release notes).
|
||||
- 신뢰도 A.
|
||||
|
||||
## 🕓 Changelog
|
||||
| 날짜 | 변경 |
|
||||
|---|---|
|
||||
| 2026-05-08 | Phase 1 |
|
||||
| 2026-05-10 | Manual cleanup — PyTorch 2.x foundations canonical. |
|
||||
Reference in New Issue
Block a user