jihu

목차아래 공식 튜토리얼을 따라갑니다.   Dataset과 DataLoader파이토치(PyTorch) 기본 익히기|| 빠른 시작|| 텐서(Tensor)|| Dataset과 DataLoader|| 변형(Transform)|| 신경망 모델 구성하기|| Autograd|| 최적화(Optimization)|| 모델 저장하고 불러오기 데이터 샘플을 처리하는 코tutorials.pytorch.kr  학습 목표 나의 데이터 셋에 맞는 커스텀 Dataset을 정의할 수 있다. DataLoader의 역할을 이해한다. INTRO Pytorch는 데이터를 쉽게 로드하고 불러올 수 있도록 Dataset 과 DataLoader를 제공한다. Dataset: 입력 데이터와 라벨을 저장하는 데이터셋 객체DataLoader: 모델이 배..

목차 학습 목표 - 실제 배포를 위한 딥러닝 프로젝트 구조를 알아본다. Intro: 딥러닝 프로젝트 어떻게 구성해야 하나요? Jupyter Lab vs (OOP + 모듈)Jupyter Lab: 대화식이고 디버깅 할 때 많이 쓰긴 한다.하지만, 배포를 위해서는 OOP와 모듈형으로 프로젝트를 구성하는 방식이 좋다. 다양한 템플릿이 있어서 편한 구조를 쓰면 된다(아래 참고) GitHub - FrancescoSaverioZuppichini/PyTorch-Deep-Learning-Template: A Pytorch Computer Vision template to quick start your nextA Pytorch Computer Vision template to quick start your next pro..

목차 학습 목표- 파이토치의 기본 연산 단위인 Tensor를 생성하고 연산하는 방법을 안다. - 파이토치의 AutoGrad(자동 미분) 작동원리에 대해서 안다.  실습 자료 추가(To Do)   RemindPytorch = numpy + AutoGradTensor란?Pytorch에서 다차원 array를 표현하는 클래스 cf) TF는 ndarry대부분 numpy arr와 비슷 Tensor 생성하기 1) 직접 data 삽입# 1. 직접 생성 x = torch.tensor([1, 2, 3]) # 1D 텐서 생성​ 2) numpy arr 기반으로 생성 data = [[1, 2, 3]]np_array = np.array(data)y = torch.tensor(np_array) 3) 차원 사이즈를 주고 텐서 생성..

목차 학습 목표- 3가지 딥러닝 프레임워크의 장단점을 파악 - 내가 많이 쓰려는 Pytorch의 특징을 파악하기딥러닝 프레임 워크 비교: Overview KerasWrapper, 즉 껍데기이다.하단에 TF나 pytorch를 사용할 수 있게 하는 High level API이다. 특징: User friendly, 배우기 쉬움 Tensorflow(Google) vs Pytorch(FaceBook)둘다 비슷하지만, Computational graph 를 어떻게 정의하느냐가 큰 차이이다. Q. Computational Graph란 뭔가요?A. 컴퓨터가 연산을 수행할 때 사용하는 그래프이다. 아래와 같이 함수 g를 수행할 때, 컴퓨터는 각 연산 과정을 그래프로 표현하여 계산한다.  TF: Define and Run..