[boostcampAI U stage] week3

.

\-c : config, 실행하는 설정파일config.json 파일을 열어보면 해당 기능이 어떤 역할을 수행하는지 알 수 있음다양한 하이퍼파라미터 값들을 지정해놓음\-r : 이전에 이력을 이어서 실행할 것인지\-d : device는 cpu, gpu중 어떤 것을 선택할지

torch.nn.Module딥러닝을 구성하는 Layer의 base class로, Input, Output, Forward, Backward(weights를 autograd) 정의하며, 여기서 이 과정들을 통해 학습이 되는 것을 parameter(tensor)로 지정한다

강의 소개이번 강의에선 Pytorch Dataset, Dataloader를 사용하는 방법을 학습합니다. 데이터 입력 형태를 정의하는 Dataset 클래스를 학습하여 Image, Video, Text 등에 따른 Custom Data를 PyTorch에 사용할 수 있도록 학

강의 소개이번 강의에선 PyTorch 모델 저장 및 불러오는 방법과 이어 학습하기(Transfer Learning)를 학습합니다. state_dict의 의미와 모델의 파라미터를 여러 정보들과 함께 저장하고 불러오는 법을 배우고 전에 학습되어 있는 모델을 활용하는 법을

강의 소개PyTorch를 이용한 학습 시 metric등을 기록할 때, cli에 출력하는 print문 외에 사용할 수 있는 Tensorboard, weight & biases를 학습합니다. 이를 통해 딥러닝 모델 학습 실험들을 파라미터와 Metric들을 자동으로 저장하는

학습 설명PyTorch에서 Multi GPU를 사용하기 위해 딥러닝 모델을 병렬화 하는 Model Parallel의 개념과 데이터 로딩을 병렬화하는 Data Parallel의 개념을 학습합니다. 이를 통해 다중 GPU 환경에서 딥러닝을 학습할 때에 효율적으로 하드웨어를

강의 소개PyTorch 기반으로 여러 config들을 통해 학습할 때에 사용되는 parameter들을 실험자가 손 쉽게 지역 최적해를 구할 수 있도록 도와주는 Ray Tune 프레임워크로 최적화하는 방법을 학습합니다.이를 통해 Grid & Random, 그리고 Baye