PyTorch

데이터는 항상 머신러닝 알고리즘 학습에 바로 사용할 수 있는 형태로 제공되지 않는다. 따라서 데이터를 변형(transform)하여 학습에 적합한 형태로 만들어야 한다.모든 TorchVision 데이터셋은 두 개의 매개변수를 가진다:transform : 특징(featur

Tensor 텐서는 배열이나 행렬과 매우 유사한 특수한 자료구조이다. PyTorch에서는 텐서를 사용하여 모델의 입력과 출력, 그리고 모델의 매개변수들을 부호화한다. 텐서는 NumPy의 ndarray와 유사하다 텐서 초기화 데이터로 부터 직접 생성하기 Numpy

Dataset과 DataLoader 지저분한 데이터셋 코드를 더 나은 가독성과 모듈성을 위해 모델 학습 코드로부터 분리하는것이 이상적이다. PyTorch는 torch.utils.data.DataLoader와 torch.utils.data.Dataset의 두 가지 데이

데이터 작업하기 파이토치에서는 데이터 작업을 위한 두가지의 기본 요소가 있다 torch.utils.data.DataLoader Dataset을 순회 가능한 객체(iterable)로 감싼다 torch.utils.data.DataSet 샘플과 정답(label)를 저장한

신경망은 데이터를 처리하는 계층이나 모듈로 이뤄져 있다. PyTorch의 torch.nn이 필요한 모든걸 제공한다. 그리고 모든 모듈은 nn.Modulel을 상속받는다가능하면 GPU나 MPS 같은 하드웨어 가속기로 모델을 학습시키자.신경망 모델은 nn.Module을 상

PyTorch의 torch.autograd는 신경망 학습 시 가장 많이 사용되는 역전파 알고리즘을 통해 매개변수(가중치)의 변화도(gradient)를 자동으로 계산하는 엔진이다. 이를 통해 매개변수의 최적화를 돕는다. 자동 미분은 연산 그래프(Computational

이제 데이터에 맞춰 모델을 학습하고, 검증 및 테스트할 차례이다. 이 과정은 여러 반복 단계를 거치며, 각 단계에서 모델은 추측을 하고, 손실을 계산한 후 경사하강법을 사용해 매개변수를 최적화한다.FashionMNIST 데이터를 로드하고, NeuralNetwork 클래

PyTorch에서는 학습된 모델을 저장하고 불러오는 기능을 제공한다. 이는 추후 모델 재학습 없이 예측에 활용할 수 있도록 함.모델의 학습된 매개변수는 state_dict에 저장된다. 이를 torch.save로 파일에 저장할 수 있다.저장한 가중치를 불러오려면 동일한