파이토치(Pytorch) 딥러닝

송범·2025년 10월 10일

PyTorch python 딥러닝

대표적인 딥러닝 프레임워크로는 텐서플로(TensorFlow), 케라스(Keras), 파이토치(Pytorch)가 있습니다.

텐서플로는 케라스를 고수준 API를 사용하고 있으며, 정적 계산 그래프를 사용합니다.

파이토치는 동적 계산 그래프를 활용하며, 변수를 호출할 때 그래프를 만들어가면서 사용합니다.

파이토치의 권고 코딩 스타일

파이토치는 클래스(Class)를 사용하도록 권고합니다. 크게 신경망의 동작을 정의하는 모듈 클래스와 데이터를 다루는 데이터셋 클래스가 있습니다.

1) 모듈 클래스를 이용해 신경망을 만듭니다.

2) 데이터셋 클래스를 이용해 데이터를 불러와 학습을 합니다

파이토치의 딥러닝 신경망은 모두 모듈(nn.Module 클래스)로 구성되어 있습니다.

파이토치 신경망의 기본 구성

class Net(nn.Module):
    def __init__(self):
        super().__init__()
        # 신경망 구성요소를 정의합니다
        
    def forward(self, input):
    
        # 신경망의 동작을 정의합니다.
        
        return output

모듈 클래스는 신경망의 구성요소를 정의하는 __init__ 함수와 신경망의 동작을 정의하는 forward() 함수로 구성되어 있습니다. 파이토치는 미리 정의해둔 신경망 모듈을 제공합니다.

데이터를 호출하는 데이터셋 클래스

class Dataset():
    def __init__(self):
        
        # 필요한 데이터 불러오기
    
    def __len__(self):
        
        # 데이터의 개수 반환
        return len(data)
    
    def __getitem__(self, i):
        # i번째 입력 데이터와
        # i번째 정답을 반환
        
        return data[i], label[i]

데이터셋 클래스의 구성요소는 세 가지입니다.

__init__() : 학습에 사용할 데이터를 불러옵니다.
__len__() : 데이터 개수를 반환합니다.
__getitem__() : 우리가 지정한 i번쨰 입력 데이터와 정답을 반환합니다.

모듈 클래스와 데이터셋 클래스를 이용한 딥러닝 학습을 진행하는 뼈대

# 데이터로더로부터 데이터와 정답을 받아옵니다.
for data, label in DataLoader():
    # 1. 모델의 예측값 계산
    prediction = model(data)
    
    # 2. 손실 함수를 이용해 오차 계산
    loss = LossFunction(prediction, label)
    
    # 3. 오차 역전파
    loss.backward()
    
    # 4. 신경망 가중치 수정
    optimizer.step()