파이토치 기초

설치 방법은 텐서플로우와 매우 유사합니다. 먼저 CUDA, cuDNN은 텐서플로우에서 설치했던것과 동일하기 때문에 링크로 들어가서 다운받아주세요~ ​ Pytorch사이트에 들어가면 본인의 CUDA버전에 맞게 다운받는 방법을 알려줍니다! ​ 저는 CUDA 9.0을

오늘은 기본 데이터 구조인 텐서 사용법에 대해서 알아보겠습니다.\-다차원 배열을 처리하기 위한 데이터 구조입니다.\-Numpy, ndarray와 거의 같은 API를 지니고 있으며, GPU를 사용한 계싼도 지원합니다.\-텐서는 각 데이터형별로 정의되어 있습니다.텐서를 정

이번에는 정의한 텐서의 연산에 대해서 설명하겠습니다.텐서는 list, numpy처럼 사칙연산, 수학 함수, 선형 대수 계산 등이 가능합니다. 특히 대규모 데이터를 처리할 때, 이전보다 훨씬 빠른 속도로 연산할 수 있습니다.텐서의 연산을 들어가기 앞서, 먼저 사용할 텐서

오늘은 파이토치를 사용하여 간단한 신경망을 만들어보겠습니다.먼저 신경망에 대한 설명은 아래의 포스팅은 여기를 눌러주세요.신경망을 정의하기 위해 필요한 라이브러리들을 임포트 해줍니다.torch → 파이토치 라이브러리numpy → 수치해석용 라이브러리 sklearn → 파

이번 포스팅에서는 심층 신경망을 이용하여, 여러가지 그림들을 분류해보겠습니다.먼저 신경망에 대한 설명은 여기를 참고해 주세요!이번 심층 신경망을 이용한 분류에서 사용할 데이터 집합은 바로 Fashion MNIST입니다. 기존의 MNIST라고 하면 0~9까지의 28x28

이번 포스팅에서는 합성곱 신경망(Convolutional Neural Network, CNN)을 이용하여, 여러가지 그림들을 분류해보겠습니다.먼저 합성곱 신경망에 대해서는 여기를 참고해 주세요!이번 합성곱 신경망을 이용한 분류에서 사용할 데이터 집합은 앞에서도 사용했던

이번 포스팅에서는 앞서 설명했던 CNN을 조금더 깊은 신경망으로 구현하고, 색깔이 있는(RGB값이 있는) 데이터를 처리해 보겠습니다. 먼저 합성곱 신경망에 대한 설명은 여기를 참고해주세요!이번에 사용할 데이터셋은 CIFAR-10입니다. 이 데이터 셋은 32x32크기의

오토 인코더에 대한 자세한 설명은 여기를 참고해주세요!이전에 사용하였던 Fashion MNIST 데이터 집합을 사용하겠습니다.사용할 라이브러리는 아래와 같습니다.이는 위의 데이터 시각화 앞부분과 동일합니다.autoencoder 내에 encdoer와 decoder를 각각