TIL Day 26 PyTorch 기초

PyTorch 기본

딥러닝 프레임워크
유연성과 사용 편의성

기본 모델 구축

torch.nn.Module: 모든 신경망 모델의 기본 클래스

• init: 구조 만들기
• 부모 클래스의 init(초기화 함수)를 가져옴

import torch.nn as nn

class MyModel(nn.Nodule):
  def __init__(self):
    super(MyModel, self).__init__() 
    
    self.layer1 = nn.Linear(10,20) # 입력, 출력

• foward 데이터의 방향 결정

  def foward(self, x):
    x = self.layer1(x)
    return x

Custum Dataset 생성

torch.utils.data.Dataset: 사용자 정의 데이터셋 생성

• torch의 유틸리티 중, 데이터 기능의, Dataset 모듈
• 데이터 불러오기: 학습용, 테스트용 나눠서 불러옴

from torch.utils.data import Dataset

class MyDataset(Dataset):
  def __init__ (self, data, targets):
    self.data = data
    self.targets = targets

• 샘플의 개수 반환: 데이터의 개수를 알려줌

def __len__(self): 
  return len(self.data)

• idx: 인덱스에 해당하는 샘플을 반환

def __getitem__(self, idx):
  return self.data[idx], self.targets[idx]

DataLoader

torch.utils.data.DataLoader

• mini-batch학습을 위한 데이터 변환 모듈

from torch.utils.data import DataLoader

dataset = MyDataset(data, targets)
dataloader = Dataloader(dataset, batch-size = 32, shuffle = True)

• Dataset, DataLoader 매개변수
• MNIST 예시

trainset = torchvision.datasets.MNIST(root='./data', train=True, download=True, transform=transform)
trainloader = torch.utils.data.DataLoader(trainset, batch_size=64, shuffle=True, drop_last = False, timeout = 1)

• Dataset
  • root="경로": 데이터 경로
  • download=True: 경로에 없으면 다운로드
  • trian = True: 학습용 데이터, 테스트용인 경우는 False
  • tansform 데이터 변형, 변형방식은 사용자 정의
• DataLoader
  • trainset: 변환 할 데이터셋
  • batch-size: 배치 하나당 포함 될 샘플의 수
  • shuffle: 데이터 순서 무작위 여부
    • 순서가 상관 관계를 가지는 경우 무작위
  • drop-last: 배치 사이즈로 나눈 나머지 처리 여부
  • timeout: 시간 제한

데이터 변환

torchvision.transforms: 이미지 데이터 변환 유틸리티
transforms.ToTensor(): 이미지를 Tensor(파이토치 자료구조)로 전환
transforms.Normalize((): 이미지 정규화(평균, 표준편차)

transform = transforms.Compose([
    transforms.ToTensor(),
    # 이미지를 Tensor(파이토치 자료구조)로 전환
    transforms.Normalize((0.5,), (0.5,)) 
    # 이미지 정규화(평균, 표준편차)
    ])

GPU로 변경

• Apple slicon은 GPU 기반
• 기억해두고 다른 장치에서 작업할 때 사용
• 모델을 GPU로 이동

device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')
model.to(device)

• 텐서를 devise(GPU)로 이동

inputs, targets = inputs.to(device), targets.to(device)

유틸리티

• 저장 및 로드: 가장 자주 사용할 기능, 반드시 기억

1. 저장 및 로드

• 저장

torch.save(model.state_dict(), 'model.pth'

• 로드

model.load_state_dict(torch.load('model.pth'))
model.eval()

2. 학습 및 평가 모드 설정

# 학습
model.train()
# 평가
model.eval()