지치지 않기 위해서 매일 조금씩이라도 성취감? 소확행?을 느껴보자 사실 매일 반복되는 일상에 그런 것들을 찾는게 쉽지는 않다 그렇지만 긴 여정이 될 지금 나의 도전에 있어서 지치지 않고 끝까지 가기 위해서는 그런 것들이 필요해보인다 시간이 없어? 못할 것 같아? 실패하면 어떡하지? 다 핑계일 뿐이다. 일단 해보고 생각하자. 그리고 머리도 좋은 편이라고 생각하기 때문에 충분히 할 수 있을 것이라고 생각한다. 실습내용 ResNet 사용하여 이미지를 학습하고 10개의 카테고리를 갖는 이미지를 분류하는 이미지 분류기를 생성합니다. 데이터셋: CIFAR ResNet 깊은 신경망(152 layers… ) 학습이 가능하게 하는 skip connections 구조 Batch Normalization을 적용 분류기 학습..

지금 살짝 발등에 불 떨어졌다 토익 공부도 해야한다... 대학원 제출 서류를 너무 제대로 찾아보지 않고 안일하게 있었던 것 같다 심지어 담주가 제출이네? ㅅㅂㅋ 님 머하세요? 실습 목표 GAN을 사용하여 이미지 생성 모델을 만듭니다. (데이터셋: CIFAR10) GAN A GAN consists of two networks that train together: Generator — Given a vector of random values (latent inputs) as input, this network generates data with the same structure as the training data. Discriminator — Given batches of data containing ob..

실습 목표 자연어 처리를 위한 주요 신경망의 사용법을 이해한다. 영화 리뷰평의 긍정/부정을 판단하기 위한 감정분석 분류 모델을 생성한다. 데이터셋: imdb 전처리 완료 데이터 문제 정의 binary classifier(positive or negative) 1. RNN의 유형 many to one 영화 리뷰 텍스트(many)를 입력으로 받아 긍정 또는 부정(one)을 출력하는 구조 Embedding: 영화 리뷰(text)를 벡터로 변환하는 연산 LSTM: 시계열 데이터를 처리하기 위한 구조 Linear: 결과 출력 모델 구조 미리보기 LSTMClassifier( (embedding): Embedding(121301, 256) (lstm): LSTM(256, 512, num_layers=2, batch_..

나는 할 수 있다 요즘 실습 위주라 코드만 막 올라가고 있긴 한데...ㅎ 몰라~ 실습 목표 VAE를 설계하고 학습시켜 이미지를 생성하는 모델을 만듭니다. (데이터셋: MNIST) 문제 정의 VAE VAE [Step1] Load libraries & Datasets import numpy as np import matplotlib.pyplot as plt from torchvision.transforms import ToTensor from torch.utils.data import DataLoader from torchvision import datasets, transforms import torch.nn as nn import torch.nn.functional as F import torch tra..

실습 목표 VGGNet을 사용하여 이미지를 학습하고 10개의 카테고리를 갖는 이미지를 분류하는 이미지 분류기를 생성한다. (데이터셋: CIFAR) Pre-training 모델의 사용방법을 이해한다. 문제 정의 VGGNet 구조 살펴보기 주요 코드 1. VGGNet # Model cfg = { 'VGG11': [64, 'M', 128, 'M', 256, 256, 'M', 512, 512, 'M', 512, 512, 'M'], 'VGG13': [64, 64, 'M', 128, 128, 'M', 256, 256, 'M', 512, 512, 'M', 512, 512, 'M'], 'VGG16': [64, 64, 'M', 128, 128, 'M', 256, 256, 256, 'M', 512, 512, 512, 'M..

실습 목표 CNN을 구성하는 주요 연산을 이해하고, 신경망을 설계한다. AlexNet을 사용하여 이미지를 학습하고 10개의 카테고리를 갖는 이미지를 분류하는 이미지 분류기를 생성한다. (데이터셋: CIFAR) 이미지 증강을 수행하여 모델의 성능을 높이는 방법을 이해한다. Confusion Matrix를 생성하여 분류 정확도를 확인한다. reference https://tutorials.pytorch.kr/beginner/basics/buildmodel_tutorial.html https://tutorials.pytorch.kr/beginner/basics/data_tutorial.html https://medium.com/@djin31/how-to-plot-wholesome-confusion-matrix..

오늘 저녁 약속이 있는데 잘 하고 올게요~ 오늘은 지난번에 했던 데이터 세트와 다른 데이터로 복습할겸 인공신경망을 구성해서 다시 학습을 해볼 것이다 추가로 학습이 완료된 모델을 저장하는 방법도 실습해볼 것이다 모델을 저장하는 방법에는 두가지가 있다 모델의 파라미터만 저장하는 방법 이 방법은 모델의 계층 구조를 알고 있어야만 나중에 다시 해당 모델을 사용할 수 있음 모델 전체를 저장하는 방법 사용할 데이터 세트 : Fashion MNIST torchvision.datasets — Torchvision master documentation torchvision.datasets All datasets are subclasses of torch.utils.data.Dataset i.e, they have __g..

이전에 계속 배웠던 것들을 실제로 코드로 구현해보는데 (물론 프레임워크 쓰는거지만ㅋ) 기존에는 이해가 안되었던 것들이 왜 하는건지 어떤걸 하려는건지 보이니까 신기했다 역시 처음에는 이해가 안될지라도 꾸준히 계속 하는 것이 중요한 것 같다 그리고 내일 약속이 잡혀있는데 설렘반 기대반 1. TensorDataset과 DataLoader 입력 데이터를 쉽게 처리하고, 배치 단위로 잘러서 학습할 수 있게 도와주는 모듈 Dataset : 학습시 사용하는 feature와 target의 pair로 이루어짐. 아래에서 코드에서는 TensorDataset을 사용하여 Dataset 인스턴스를 생성했지만, 이미지의 사례와 같이 Dataset 클래스를 상속받아서 커스텀 인스턴스를 생성하는 형태로 많이 사용 DataLoader..