HealthyAI

Model model.save() 학습의 결과를 저장하기 위한 함수 모델 형태(architecture)와 파라미터를 저장 모델 학습 중간 과정의 저장을 통해 최선의 결과모델을 선택 만들어진 모델을 외부 연구자와 공유하여 학습 재연성 향상 checkpoints 학습의 중간 결과를 저장, 최선의 결과를 선택 earlystopping 기법 사용시 이전 학습의 결과물을 저장 loss와 metric 값을 지속적으로 확인 저장 한다 일반적으로 epoch, loss, metric을 함게 저장하여 확인 colab에서 지속적인 학습을 위해 필요 transfer learning 다른 데이터셋으로 만든 모델을 현재 데이터에 적용 일반적으로 대용량 데이터셋으로 만든 모델의 성능이 좋다 현재의 DL 에서는 가장 일반적인 학습 ..

Dataset & DataLoader Deep Learning Process Data - collecting, cleaning, pre processing Dataset ToTensor(), CenterCrop() transforms init() call() Dataset init() len() getitem() DataLoader batch, shuffle Model Dataset class 데이터의 형태를 정의하는 클래스 데이터를 입력하는 방식의 표준화 Image, Text, Audio 등에 따른 다른 입력정의 import torch from torch.utils.data import Dataset class CustomDataset(Dataset): def __init__(self, text, la..

보호되어 있는 글입니다.

AutoGrad, Optimizer Layer = Block of Lego AutoGrad pytorch 의 핵심은 자동 미분의 지원 w = torch.tensor(2.0, requires_grad = True) y = w ** 2 z = 10 * y + 25 z.backward() w.grad torch.nn.Module 딥러닝을 구성하는 Layer의 base class Input, Output, Forward, Backward 정의 학습의 대상이 되는 parameter(tensor) 정의 nn.Parameter Tensor 객체의 상속 객체 nn.Module 내에 attribute 가 될 때는 required_grad = True로 지정되어 학습 대상이 되는 Tensor autograd의 대상이 된다..

Pytorch PyTorch Pytorch의 핵심은 자동 미분의 지원 - backward 함수 사용 Define by run 즉시 확인 가능하다 - Pythonic code Dynamic computation graphs 연산 과정 그래프 Back propagation 성능 차이 중요 AutoGrad 를 사용할 때 실행 시점에서 정의 한다. debugging 측면에서 중간중간 디버깅이 가능하다는 측면에서 유리하다. 다양한 형태의 DL을 지원하는 함수와 모델을 지원함 GPU support, Good API and community Tensor data types 기본적으로 tensor가 가질 수 있는 data 타입은 Numpy와 동일 numpy 에서 사용하는 기법 동일 슬라이싱 torch.ones_like..

3.6 해당 단원에서 나를 가장 골먹였던 부분은 mnist 파일을 실행하여 이미지를 띄워보는 것이였다. 코랩으로 아무리 해도 안됐고, 주피터 노트북으로 마더 디렉토리를 아무리 옮겨도 dataset.mnist를 찾지 못했다. 마지막으로 vscode에서 시도 해보니 dataset.mnist를 찾긴 했는데 이번에는 PIL(python image library)를 설치하지 못하는 문제가 발생했다. 구글링을 해보니 pip3 install image 를 통해 import 가능하게 되었다...