Class(클래스, 클래스 상속)

클래스(Class)

• 클래스 : 클래스는 데이터와 기능을 함께 묶는 방법

• 인스턴스 : 클래스로 정의된 객체를 프로그램 상에서 이용할 수 있게 만든 변수

• 인스턴스를 사용하기 위해 클래스를 먼저 만들어야 함

• 클래스의 함수 : 메소드 < 클래스 내부의 함수

• 클래스의 명명은 맨 앞자는 대분자를 쓰는게 일반적입니다.

• 아래는 간단한 예제 입니다.

예시1 - 클래스 생성

class Charicters :
    # 클래스의 생성자
    # def __init__ 은 이와 유사한 형식을 따라야 함
    def __init__(self, name, hobby):
        self.name = name #클래스의 맴버
        self.hobby = hobby #클래스의 맴버

    #클래스의 메소드
    def xxx(self):
        print(f'이름 : {self.name}, 취미 : {self.hobby}')

    #setter 메소드
    def set_hobby(self, hobby):
        self.hobby = hobby

    #클래스 계승을 위한 함수(밑의 예시용)
    def nice(self):
        print('nice to meet you')


a = Characters('조인환', '클라이밍')
a.xxx()
# 출력 결과
# 이름 : 조인환, 취미 : 클라이밍

a.hobby
# 출력 결과
# 클라이밍

a = Characters('조인환', '클라이밍')
a.set_hobby('산책')
a.xxx()
# 출력 결과
# 이름 : 조인환, 취미 : 산책

예시 2 - 클래스 상속 - 딥러닝 모델 생성(pytorch)

• 부모와 자식 관계가 존재
• 부모 클래스 : 기존의 클래스
• 자식 클래스 : 부모 클래스를 상속 받은 클래스

#클래스에서 클레스를 만드는것을 클래스 상속이라고 합니다.
class Baby(Characters) :
  def hansome(self):
    #super()를 사용하면 부모 클래스의 함수를 사용 가능합니다.
    super().nice()

  def hobi_is(self):
    print(f'{self.name}의 취미는 {self.hobby}입니다')

b = Baby('조인환','클라이밍')

b.nice()
#nice to meet you

b.hobi_is()
# 조인환의 취미는 클라이밍입니다

예시 3 - 클래스 상속 - 딥러닝 모델 생성(pytorch)

import torch
import torch.nn as nn
#NeuralNet이라는 클래스를 만듬(nn.Module을 상속)
class NeuralNet(nn.Module):
  def __init__(self):
    # torch.nn.Module의 NeuralNet을 사용한다는 의미
    # (from nn import NeuralNet)를 수행
    super(NeuralNet, self).__init__()

    #Conv2d를 2번, Linear를 2번 실행한다는 의미
    self.conv1 = nn.Conv2d(1,8,2)
    self.conv2 = nn.Conv2d(8,10,3)

    self.fc1 = nn.Linear(10*5*5,60)
    self.fc2 = nn.Linear(60,10)

  def forward(self,x):

    x = F.max_pool2d(F.relu(self.conv1(x)), 2)
    x = F.max_pool2d(F.relu(self.conv2(x)), 2)    

    #Linear는 flatten한 데이터만 사용 가능해서 데이터 편집
    x = x.view(-1,self.num_flat_features(x))
    x = F.relu(self.fc1(x))
    x = self.fc2(x)
    return x

  def num_flat_features(self, x):
    size = x.size()[1:]
    num_features = 1
    for s in size:
      num_features *= s
    return num_features

net = NeuralNet()
print(net)