반응형 [pytorch] PyTorch 주요 기능별 클래스 및 함수 1. 텐서(Tensors)클래스:torch.Tensor: 모든 텐서 연산의 기본 클래스입니다.함수:torch.tensor(data): 데이터로부터 텐서를 생성합니다.torch.zeros(size), torch.ones(size), torch.rand(size), torch.randn(size): 특정 크기의 텐서를 생성합니다.torch.arange(start, end, step), torch.linspace(start, end, steps): 특정 범위의 값들로 텐서를 생성합니다.2. 자동 미분(Autograd)클래스:torch.autograd.Variable: 텐서와 거의 동일하지만, 자동 미분 기능을 추가로 제공합니다.torch.autograd.Function: 사용자 정의 autograd 함수들을 .. 2024. 7. 3. [pytorch] 프로젝트 구조 원칙 1. 데이터 처리(Data Handling)데이터 로딩 및 전처리: 데이터를 로드하고 전처리하는 코드는 data/ 또는 datasets/ 디렉토리에 위치할 수 있습니다. 데이터셋 클래스나 데이터 로더 함수들이 포함될 수 있습니다.데이터 변환(Transforms): 이미지나 텍스트 등의 데이터에 대한 변환 코드는 transforms/ 디렉토리에 위치할 수 있습니다.2. 모델 정의(Model Definition)신경망 모델: 주로 models/ 디렉토리에 저장됩니다. 각 모델은 별도의 파일로 정의될 수 있습니다.모델 유틸리티 함수: 모델 관련 유틸리티 함수들은 필요에 따라 utils/ 디렉토리에 포함될 수 있습니다.3. 학습과 평가(Training and Evaluation)학습 코드: 주로 train.py.. 2024. 7. 3. [pytorch] 버전별 특징 PyTorch 1.0 (2018년 12월)프러덕션 준비: PyTorch 1.0은 연구와 개발에서 프러덕션 준비가 된 라이브러리로 이동하면서 중요한 마일스톤을 달성했습니다.TorchScript: 모델을 스크립팅하고 JIT 컴파일을 통해 효율적인 실행을 할 수 있도록 지원.C++ 인터페이스: 파이썬뿐만 아니라 C++에서도 PyTorch 모델을 구축하고 학습시킬 수 있는 기능 제공.모듈화된 코드를 위한 모델 분할 및 배포: 다양한 장치에 효율적으로 모델을 분할하고 배포할 수 있도록 개선.PyTorch 1.1 (2019년 5월)TensorBoard 지원: TensorBoard를 통한 모델 학습 시각화 지원.1.0 기능 강화: JIT 컴파일러와 TorchScript의 성능 및 사용성 개선.더 많은 연산 지원: 새.. 2024. 7. 3. 이전 1 다음 반응형