1. 데이터셋 준비: 독립 변수와 종속 변수가 포함된 데이터셋을 준비합니다. 데이터셋은 보통 NumPy 배열 또는 Pandas 데이터프레임 형식으로 저장됩니다.

2. 데이터셋을 Tensor로 변환: PyTorch에서는 데이터를 처리하기 위해 Tensor 형식을 사용합니다. 따라서, 독립 변수와 종속 변수를 각각 Tensor로 변환해주어야 합니다. 이를 위해 torch.Tensor() 함수를 사용하여 데이터를 Tensor로 변환합니다. 예를 들어, 다음 코드는 NumPy 배열을 Tensor로 변환하는 예시입니다.

import torch
import numpy as np

# 독립 변수와 종속 변수가 포함된 데이터셋 준비
x = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])  # 독립 변수
y = np.array([10, 20, 30])  # 종속 변수

# 데이터셋을 Tensor로 변환
x_tensor = torch.Tensor(x)
y_tensor = torch.Tensor(y)

1. 데이터셋을 DataLoader로 로드: 만약 데이터셋이 크거나 복잡한 경우, PyTorch의 DataLoader를 사용하여 데이터를 로드하는 것이 유용합니다. DataLoader는 데이터셋을 미니배치로 나누고 데이터를 로드하는 동시에 데이터셋을 섞어주는 기능을 제공합니다. 다음 코드는 데이터셋을 DataLoader로 로드하는 예시입니다.

from torch.utils.data import DataLoader, TensorDataset

# Tensor를 TensorDataset으로 변환
dataset = TensorDataset(x_tensor, y_tensor)

# DataLoader로 데이터셋 로드
dataloader = DataLoader(dataset, batch_size=2, shuffle=True)

위의 방법을 따라서 독립 변수와 종속 변수를 PyTorch에서 사용할 수 있는 형태로 불러오실 수 있습니다. 이를 통해 데이터셋을 효과적으로 처리하고 모델을 학습시킬 수 있습니다.

더 자세한 내용은 PyTorch 공식 문서를 참고하시기 바랍니다.