DeepLearning
1.[AI] AI와 딥러닝 개요
⭐AI vs ML(Machine Learning) vs DL(Deep Learning) AI는 인간의 지능을 인공적으로 만든 것 ML은 data를 기반으로 기계가 학습하는 것 DL은 DNN(Deep Neural Network)을 기반으로 기계가 학습하는 것 >DNN
2.[pytorch] Pytorch-lightning으로 mnist 구현 코드 분석(1) - 모듈 분석
✔모듈 분석 (import 분석) 1) torch 메인 네임스페이스. (pytorch 라이브러리의 기원인 라이브러리, 페이스북에서 만듦) 텐서 등의 다양한 수학 함수가 포함되어져 있으며 Numpy와 유사한 구조. torch 패키지는 다차원 텐서에 대한 데이터 구조를
3.[pytorch] Pytorch-lightning으로 mnist 구현 코드 분석(2) - 디바이스 설정 + 데이터 로드 / 분할
✔ random_split 데이터 세트를 분리 > 머신러닝에서 우리의 목표 머신러닝에서 우리의 목표는 training dataset을 이용하여 모델을 학습하고, 학습된 모델을 이용하여 관측되지 않았던 새로운 데이터에 대해 예측을 수행하는 것이다. 머신러닝 연구
4.[pytorch] Pytorch-lightning으로 mnist 구현 코드 분석(3) - 모델 구성(CNN-Convolutional Neural Network)
✔CNN 모델(Convolutional Neural Network) CNN 모델은 Convolutional Neural Network 모델의 약자로 인간의 시신경 구조를 묘사한 구조이다. 주로 이미지나 영상 데이터를 처리할 때 사용한다. 물론 요즘은 트랜스포머 기반의
5.[pytorch] Pytorch-lightning으로 mnist 구현 코드 분석(4) - 모델 학습(CNN-Convolutional Neural Network)
from datetime import datetimetrain_loss_list = \[]train_accuracy_list = \[]val_loss_list = \[]val_accuracy_list = \[]start_time = datetime.now()EPOCHS
6.[pytorch] 머신러닝 대회 BaseLine 분석 - 1
✔ 디바이스 설정 #if gpu 사용 가능{ gpu 사용 } #else{cpu 사용} ✔ Hyperparameter Settting 머신러닝에서 하이퍼파라미터는 최적의 훈련 모델을 구현하기 위해 "사용자가" 모델에 설정하는 변수 ⭐하이퍼파라미터의 예 학습률(LEA