1단계 상자로서의 변수
첫 번째 단계에서는 DeZero의 구성 요소인 ‘변수’를 만듭니다. 변수는 DeZero에서 가장 중요한 개념입니다.
이번 단계에서는 변수가 어떤 기능을 하는지 이해하고, 그 기능에 맞게 코드로 구현합니다.

이호진 교수님이 DeZero의 첫걸음인 ‘상자로서의 변수’ 개념을 따뜻하게 소개하고 있습니다.
1.1 변수란
본론으로 들어가서, 변수란 무엇일까요? 프로그래밍 입문서를 펼쳐보면 변수는 대략 [그림 1-1]과 같은 이미지로 설명합니다.

그림 1-1 변수 설명 예
[그림 1-1]과 같이 상자box에 데이터를 넣는 그림을 보여주며 이 ‘상자’가 바로 변수라고 설명합니다. 변수를 상자에 비유한 설명은 변수의 성질을 (제법) 잘 보여줍니다.
정리하면 다음과 같습니다.
- 상자와 데이터는 별개다.
- 상자에는 데이터가 들어간다(대입 혹은 할당한다).
- 상자 속을 들여다보면 데이터를 알 수 있다(참조한다).
그럼 이 상자 그림에 맞게 DeZero 변수를 구현해보죠.
1.2 Variable 클래스 구현
변수는 영어로 variable입니다.

도로시와 조교 지니가 ‘변할 수 있는 상자’라는 뜻의 Variable 어원을 탐구하고 있습니다.
그래서 DeZero에서 사용하는 변수라는 개념을 Variable이라는 이름의 클래스로 구현하겠습니다.
덧붙여서, 파이썬에서는 클래스 이름의 첫 글자를 보통 대문자로 합니다.
파이썬이 권장하는 코딩 규칙은 PEP 8*을 참고하세요.

이호진 교수님이 파이썬 표준 코딩 규칙(PEP 8)에 따른 클래스 이름 표기법(대문자 시작)을 설명하고 있습니다.
이제 Variable 클래스가 상자가 되도록 구현해보죠.
다음은 이 기능을 최소한의 코드로 작성해본 모습입니다.
steps/step01.py
class Variable:
def __init__(self, data):
self.data = data
보는 바와 같이 초기화 함수 __init__에 주어진 인수를 인스턴스 변수 data에 대입했습니다.
아주 간단한 코드지만, 이제 Variable 클래스를 상자로 사용할 수 있습니다.
실제 데이터가 Variable의 data에 보관되기 때문이죠.
다음 예를 보면 더 명확해질 것입니다.
* https://www.python.org/dev/peps/pep-0008/
steps/step01.py
import numpy as np
data = np.array(1.0)
x = Variable(data)
print(x.data)
실행 결과
1.0
이 예에서 상자에 넣는 데이터로는 ‘넘파이의 다차원 배열’을 사용했습니다.
이때 x는 Variable 인스턴스이며, 실제 데이터는 x 안에 담겨 있습니다. 즉, x는 데이터 자체가 아니라 데이터를 담은 상자가 됩니다.

인스턴스 x라는 상자 안에 실제 데이터 1.0(x.data)이 안전하게 담겨 있는 모습입니다.
NOTE
예시 코드 바로 위에 대응하는 파일 이름을 적어뒀습니다. 바로 앞 코드에는steps/step01.py라고 적혀 있는데, 이 책 깃허브 저장소의steps/step01.py파일에서 이 코드를 찾을 수 있다는 뜻입니다. 파일 이름을 적지 않은 경우는 대응하는 파일이 없다는 뜻입니다.

조교 지니가 교재의 예시 코드와 깃허브 저장소(steps/step01.py)의 매핑 구조를 안내하고 있습니다.
머신러닝 시스템은 기본 데이터 구조로 ‘다차원 배열’을 사용합니다.
그래서 DeZero의 Variable 클래스는 넘파이의 다차원 배열만 취급합니다. 넘파이의 다차원 배열 클래스는 numpy.ndarray이며 np.ndarray로 줄여 쓰곤 합니다.

이호진 교수님이 머신러닝의 핵심 데이터 구조인 넘파이 다차원 배열(ndarray)을 설명하고 있습니다.
넘파이 배열은 앞의 코드에서 볼 수 있듯 np.array 함수를 이용해 생성할 수 있습니다. 이 책에서는 앞으로 numpy.ndarray 인스턴스를 단순히 ndarray 인스턴스라고 부르겠습니다.

도로시가 np.array() 함수를 사용하여 일반 숫자를 넘파이 다차원 배열로 생성하고 있습니다.
이어서 앞 코드의 x에 새로운 데이터를 대입해보겠습니다.
steps/step01.py
x.data = np.array(2.0)
print(x.data)
실행 결과
2.0
보는 바와 같이 x.data = ... 형태로 쓰면 새로운 데이터가 대입됩니다. 이제 Variable 클래스를 상자로 사용할 수 있게 되었습니다.
이상이 1단계에서 구현하는 전부입니다.
현재 Variable 클래스는 단 3줄의 코드밖에 없지만 이것을 기점으로 DeZero를 현대적인 프레임워크로 만들어갈 것입니다.

단 3줄의 Variable 클래스 씨앗이 미래의 거대한 DeZero 프레임워크로 자라나는 첫 순간입니다.
1.3 [보충] 넘파이의 다차원 배열
마지막으로 넘파이의 다차원 배열에 관해 간단히 보충하겠습니다.

이호진 교수님이 넘파이 다차원 배열의 축(Axis)과 차원의 세계로 독자들을 이끌고 있습니다.
다차원 배열은 숫자 등의 원소가 일정하게 모여 있는 데이터 구조입니다.
다차원 배열에서 원소의 순서에는 방향이 있고, 이 방향을 차원dimension 혹은 축axis이라고 합니다.

조교 지니가 다차원 배열의 방향을 결정짓는 차원(Dimension)과 축(Axis)의 개념을 지휘하고 있습니다.
[그림 1-2]는 다차원 배열의 예입니다.

그림 1-2 다차원 배열의 예
[그림 1-2]에는 왼쪽부터 0차원 배열, 1차원 배열, 2차원 배열이 나오는데, 차례대로 스칼라scalar, 벡터vector, 행렬matrix이라고 합니다. 스칼라는 단순히 하나의 수를 나타냅니다. 벡터는 하나의 축을 따라 숫자가 늘어서 있고, 행렬은 축이 두 개입니다.
NOTE
다차원 배열을 텐서tensor라고도 합니다. [그림 1-2]는 왼쪽부터 0차원 텐서, 1차원 텐서, 2차원 텐서가 되겠죠.

로봇 틴맨이 0차원 스칼라부터 1차원 벡터, 2차원 행렬, 3차원 텐서로 이어지는 개념 계층을 시각화하고 있습니다.
넘파이의 ndarray 인스턴스에는 ndim이라는 인스턴스 변수가 있습니다.
ndim은 ‘number of dimensions’의 약자로, 다차원 배열의 ‘차원 수’를 뜻합니다. 한번 사용해보죠.
>>> import numpy as np
>>> x = np.array(1)
>>> x.ndim
0
>>> x = np.array([1, 2, 3])
>>> x.ndim
1
>>> x = np.array([[1, 2, 3],
... [4, 5, 6]])
>>> x.ndim
2
여기서는 파이썬 인터프리터의 대화 모드에서 실행했습니다(인터프리터를 이용하는 예에서는 독자가 입력해야 하는 코드 앞에 >>> 기호를 붙였습니다). 앞의 예시와 같이 인스턴스 변수인 ndim을 사용하여 배열이 몇 차원인지 확인할 수 있습니다.
CAUTION
벡터를 다룰 때는 ‘차원’이라는 말에 주의해야 합니다. 예를 들어np.array([1, 2, 3])은 벡터인데, 세 개의 요소가 일렬로 늘어서 있기 때문에 ‘3차원 벡터’라고도 합니다. 이때 ‘벡터의 차원’은 벡터의 원소 수를 말합니다. 한편 ‘3차원 배열’이라고 할 때의 ‘배열의 차원’은 (원소가 아닌) 축이 3개라는 뜻입니다.

조교 지니가 ‘3차원 벡터(원소 3개)’와 ‘3차원 배열(축 3개)’의 결정적 차이를 명쾌하게 비교 설명하고 있습니다.
이상과 같이 ndarray 인스턴스를 사용하면 스칼라, 벡터, 행렬, 심지어 더 높은 차원의 텐서를 만들 수 있습니다.
그러나 이 강의에서는 당분간 스칼라만을 취급하겠습니다.
나중에 37단계에 가면 벡터와 행렬도 다룰 수 있도록 DeZero를 확장할 것입니다.

이호진 교수님이 지금은 기본 스칼라에 집중하고 향후 고차원 텐서로 나아갈 로드맵을 격려하고 있습니다.