코생코사

https://github.com/stonegyoung/Pytorch_Study/blob/master/catdog_custom_dataset%20%EB%A7%8C%EB%93%A4%EA%B8%B0.ipynb Pytorch_Study/catdog_custom_dataset 만들기.ipynb at master · stonegyoung/Pytorch_StudyPytorch 공부. Contribute to stonegyoung/Pytorch_Study development by creating an account on GitHub.github.comcustom dataset을 만들기 위해서는 세 가지 방법이 있습니다.1. 클래스 별로 폴더 구성하고 관리train/test 분리와 라벨링이 따로 필요하다(데이터셋의 ..

https://github.com/stonegyoung/Pytorch_Study/blob/master/lenet_%EA%B5%AC%ED%98%84%2BMNIST.ipynb Pytorch_Study/lenet_구현+MNIST.ipynb at master · stonegyoung/Pytorch_StudyPytorch 공부. Contribute to stonegyoung/Pytorch_Study development by creating an account on GitHub.github.com 이미지 준비전처리까지 완료된 train_loader와 test_loader를 가지고 진행합니다.2024.12.31 - [Pytorch] - [파이토치] MNIST로 이미지 데이터 처리 [파이토치] MNIST로 이미지 데..

lenet5 논문https://yann.lecun.com/exdb/publis/pdf/lecun-01a.pdf https://github.com/stonegyoung/Pytorch_Study/blob/master/lenet_%EA%B5%AC%ED%98%84%2BMNIST.ipynb Pytorch_Study/lenet_구현+MNIST.ipynb at master · stonegyoung/Pytorch_StudyPytorch 공부. Contribute to stonegyoung/Pytorch_Study development by creating an account on GitHub.github.comLenet5 모델을 만들어보겠습니다. 필요 라이브러리 임포트import torchimport torch.nn ..

https://github.com/stonegyoung/Pytorch_Study/blob/master/%EC%9D%B4%EB%AF%B8%EC%A7%80%20%EB%8D%B0%EC%9D%B4%ED%84%B0%EC%85%8B%20%EC%A4%80%EB%B9%84.ipynb Pytorch_Study/이미지 데이터셋 준비.ipynb at master · stonegyoung/Pytorch_StudyPytorch 공부. Contribute to stonegyoung/Pytorch_Study development by creating an account on GitHub.github.com 파이토치를 사용해 CNN 모델 학습을 위한 이미지 데이터로 만들어보겠습니다. 1. 데이터 준비2. 데이터셋 객체 생성3. 전처..

데이터 전처리/증강torchvision의 transforms를 사용이미지 데이터 전처리데이터 다양성을 높이기 위해 증강 https://github.com/stonegyoung/Pytorch_Study/blob/master/%EB%8D%B0%EC%9D%B4%ED%84%B0%20%EC%A0%84%EC%B2%98%EB%A6%AC.ipynb Pytorch_Study/데이터 전처리.ipynb at master · stonegyoung/Pytorch_StudyPytorch 공부. Contribute to stonegyoung/Pytorch_Study development by creating an account on GitHub.github.com필요 라이브러리 임포트import torchfrom torchvisi..

https://github.com/stonegyoung/Pytorch_Study/blob/master/iris%20%EC%9D%B8%EA%B3%B5%EC%8B%A0%EA%B2%BD%EB%A7%9D%EC%9C%BC%EB%A1%9C%20%EB%A7%8C%EB%93%A4%EA%B8%B0.ipynb Pytorch_Study/iris 인공신경망으로 만들기.ipynb at master · stonegyoung/Pytorch_StudyPytorch 공부. Contribute to stonegyoung/Pytorch_Study development by creating an account on GitHub.github.comiris 데이터 로드sklearn의 데이터셋을 사용합니다.# 피처 4개from sklearn.d..

모델 학습을 위해 필요한 것- 손실 함수  (Loss Function)예측값과 실제값 사이의 차이를 계산  - 최적화 함수 (Optimizer)  손실 함수를 최소화 하기 위해 사용되는 알고리즘 Backpropagation으로 계산된 기울기를 사용해 가중치 업데이트   모델의 가중치 업데이트 하면서 최적화 - 에폭 (Epoch)모든 데이터셋을 한 번 학습하는 횟수 - 학습률 (Learning rate)학습을 얼마나 빨리 시킬건지 필요 라이브러리 임포트import torchimport torch.nn as nn# 최적화함수를 위해import torch.optim as optim  최적화함수 -> Adam손실함수 -> 크로스엔트로피에폭 -> 100학습률 -> 0.001# 최적화함수, 학습률optimizer ..

Pytorch 라이브러리 임포트import torch# 모델을 만들기 위해import torch.nn as nn gpu 확인torch.cuda.is_available()모델 만들기1. nn.Sequential 이용2. nn.Module을 상속받는 클래스 이용  두 가지 방법을 사용하여이진분류 모델을 만들어보겠습니다(이진분류는 아웃풋이 1개)인풋은 4개, 활성화 함수는 ReLU를 사용하겠습니다.nn.Linear(), nn.ReLU() 사용 모델 구조4 -> 128 -> 64 -> 11. nn.Sequential 이용순차적으로 쌓아서 만드는 방법간단한 신경망 아키텍처 만들 때 사용한다 # 선형으로 = fully connectedmodel = nn.Sequential( nn.Linear(4,128), ..

tensor shape 변환요소의 수를 맞추는 것이 중요!! 안 맞추면 에러-1을 이용하여 알아서 계산하게 할 수 있다1. view()# 3X3X3data = torch.rand(3, 3, 3) # 총 요소 수 27개# 3X9로 바꾸기data.view(3, 9)# 행은 3으로, 열은 알아서 계산data.view(3, -1)# 1차원으로data.view(-1)2. reshape()# 3X3X3data = torch.rand(3, 3, 3) # 총 요소 수 27개# 3X9로 바꾸기data.reshape(3, 9)# 행은 3으로, 열은 알아서 계산data.reshape(3, -1)# 1차원으로data.reshape(-1) tensor의 형태 확인1. shape 확인data.shape2. 차원 확인data.di..

torch 모델을 학습시키고 저장하거나 불러오는 방법입니다 필요 라이브러리 임포트import torch  torch 모델 저장torch.save() 두 가지 방법이 있습니다.1. 모델 전체 저장하기(용량이 크다)2. 모델 가중치만 저장하기(용량이 작다) 1. 모델 전체 저장하기# 모델, 저장할 이름.pthtorch.save(model, 'model_all.pth') 2. 모델 가중치만 저장하기(권장)# 모델 가중치, 저장할 이름.pthtorch.save(model.state_dict(), 'model_weight.pth')   torch 모델 불러오기torch.load()두 방법 모두 모델 구조를 정의하는 클래스가 필요합니다!  모델 전체를 저장한 pth 파일 불러오기# 모델 저장 이름model = to..