본문 바로가기
반응형
[PyTorch] 5주차: 데이터셋 및 DataLoader 강의 목표PyTorch에서 데이터셋을 다루는 방법 이해torch.utils.data.Dataset 및 torch.utils.data.DataLoader 클래스 사용법 습득데이터 전처리 및 배치 처리를 통한 효율적인 데이터 관리 방법 이해강의 내용1. 데이터셋 다루기PyTorch Dataset 클래스Dataset 클래스는 데이터셋을 추상화하여 데이터 로드 및 전처리를 쉽게 할 수 있도록 합니다.커스텀 데이터셋을 작성하여 다양한 데이터 형식 지원 import torchfrom torch.utils.data import Datasetclass CustomDataset(Dataset): def __init__(self, data, labels): self.data = data se.. 2024. 5. 30.
[PyTorch] 4주차: 신경망 기본 구조 강의 목표신경망의 기본 개념 이해PyTorch에서 신경망 모델을 구현하는 방법 습득기본 신경망 구성 요소와 활성화 함수 이해강의 내용1. 신경망 기본 개념신경망이란 무엇인가?신경망(Neural Network)은 인간의 뇌 구조를 모방한 기계 학습 모델입니다.여러 개의 레이어로 구성되며, 각 레이어는 여러 뉴런(Neuron)으로 이루어져 있습니다.신경망의 구성 요소레이어(Layer)뉴런(Neuron)가중치(Weights)와 바이어스(Biases)활성화 함수(Activation Function)활성화 함수는 뉴런의 출력 값을 결정하는 함수입니다.비선형 활성화 함수의 중요성2. PyTorch에서의 신경망 구현torch.nn 모듈 소개신경망 모델을 쉽게 구축할 수 있도록 다양한 레이어와 함수 제공nn.Modul.. 2024. 5. 30.
[PyTorch] 3주차: 자동 미분과 Autograd 강의 목표PyTorch의 자동 미분 기능인 Autograd의 기본 개념 이해Autograd를 사용한 기울기 계산 및 활용법 습득실제 문제에 Autograd를 적용하여 모델 학습 이해강의 내용1. 자동 미분 개념Autograd란 무엇인가?자동 미분(Automatic Differentiation)은 기계 학습 모델의 학습 과정에서 기울기(Gradient)를 자동으로 계산하는 기능입니다.PyTorch의 Autograd는 후방 전달(Backpropagation) 알고리즘을 사용하여 연산 그래프를 통해 기울기를 계산합니다.자동 미분의 원리연산 그래프(Computation Graph)기울기 계산을 위한 그래프의 역전파2. 기본 개념 실습Tensor의 requires_grad 속성requires_grad=True로 .. 2024. 5. 30.
[PyTorch] 2주차: PyTorch의 기본 연산 강의 목표Tensor의 다양한 조작 방법 이해PyTorch에서 제공하는 다양한 기본 연산 함수 사용법 습득기본 연산을 통한 간단한 문제 해결강의 내용1. Tensor 조작Tensor 생성 복습직접 생성, Numpy 배열로부터 생성, 초기화 방법Tensor 조작Tensor의 크기 변경 (Reshaping)import torch# Reshapinga = torch.arange(6)print(a)b = a.reshape((2, 3))print(b)  Indexing 및 Slicing# Indexingx = torch.tensor([[1, 2, 3], [4, 5, 6]])print(x)print(x[0, 0]) # 첫 번째 행, 첫 번째 열 요소# Slicingprint(x[:, 1]) # 모든 행의 두 번.. 2024. 5. 30.
[PyTorch] 1주차: PyTorch 소개 및 설치 강의 목표PyTorch에 대한 기본 개념 이해개발 환경 설정 및 PyTorch 설치Tensor의 기본 개념 및 연산 이해강의 내용1. PyTorch 소개PyTorch란 무엇인가?PyTorch는 Python 기반의 오픈 소스 머신러닝 라이브러리로, 연구 및 개발을 위해 널리 사용됩니다.Facebook AI Research (FAIR)에서 개발되었으며, 동적 연산 그래프와 유연한 설계로 유명합니다.다른 딥러닝 프레임워크와의 비교TensorFlow, Keras와 비교동적 연산 그래프 vs 정적 연산 그래프PyTorch의 장단점2. 환경 설정Anaconda 설치Anaconda는 데이터 과학 및 머신러닝 작업에 필요한 패키지를 관리하기 위한 플랫폼입니다.Anaconda 다운로드 및 설치 가이드PyTorch 설치P.. 2024. 5. 30.
[PyTorch] 강의 목차 강의 목표이 강의는 학생들에게 PyTorch를 사용한 딥러닝 모델 구축 및 훈련의 기초를 소개하는 것을 목표로 합니다. 학생들은 PyTorch의 기본 개념부터 시작해, 실제 데이터셋을 이용한 모델링까지 경험하게 됩니다.주차별 강의 내용1주차: PyTorch 소개 및 설치PyTorch 소개PyTorch란 무엇인가?다른 딥러닝 프레임워크와의 비교환경 설정Anaconda 설치PyTorch 설치기본 문법Tensor 개념 및 기본 연산2주차: PyTorch의 기본 연산Tensor 조작Tensor 생성 및 변환Indexing, Slicing, Joining, Reshaping기초 연산기본 수학 연산Broadcast 및 Element-wise 연산3주차: 자동 미분과 Autograd자동 미분 개념Autograd란 무.. 2024. 5. 30.
[PyTorch] PyTorch 개요 및 환경설정 Index 1. PyTorch 2. PyTorch 설치(MacOS) 3. PyTorch 설치(Windows) 4. PyTorch 설치(Ubuntu) 5. PyTorch 예제Reference1. PyTorchPyTorch특징-  2. PyTorch 설치(MacOS) PyTorch 설치(MacOS) 1. XCode로 설치된 python을 이용하여 설치 - pip3 를 이용하여 설치- 가상환경 생성후 pip로 설치# pip3를 이용하여 설치pip3 install torch# 가상환경 생성후 설치python3 -m venv torchsource torch/bin/activatepip install torch 2. conda를 이용하여 설치1) 파이썬 버전을 지정하여 가상환경 생성2) 가상환경 활성화3) cond.. 2024. 5. 15.
[Roadmap] Python Index 1. Python 기본 2. 자료구조/알고리즘 3. 머신러닝 4. 딥러닝 5. 41.  PythonPython1. 점프 투 파이썬 [book]2. 코딩 도장 [book]3. 점프 투 파이썬(라이브러리) [book]4. 기초부터 시리즈: Python 기초부터 [book] 2.  자료구조 / 알고리즘자료구조 / 알고리즘1. 잔재미코딩 [book]2. 이것이 취업을 위한 코딩테스트다 [video] [book] [github]3. 파이썬 알고리즘 인터뷰 [book] [github] 3.  머신러닝머신러닝1. 머신 러닝 교과서: 파이토치 편 [book]2. 혼자 공부하는 머신러닝+딥러닝 [video] [book]3. 혼자 공부하는 데이터분석 [book] 4. 개발자를 위한 실전 선형대수학 [book]5.. 2024. 5. 13.
[Roadmap] 인공지능 Index 1. Mathematics 2. Machine Learning 3. Deep Learning 4. Computer Vision 5. Natural Language Processing 6. Recommender System 7. Reinforcement Learning 8. Library / Framework 9. 기업/학회 사이트 10. 4Reference1. MathematicsMathematics- [Blog](공돌이의 수학정리노트)- [Video](이상화의 선형대수와 확률이론)- [Book](Mathematical Foundations of Deep Neural Networks) 2. Machine LearningMachine Learning- [Blog](데이터 사이언스 스쿨)- ML .. 2024. 5. 13.
[CV] DeepLab [출처]: DeepLab: Semantic Image Segmentation with Deep Convolutional Nets, Atrous Convolution, and Fully Connected CRFs Term Model Architecture Method 2024. 5. 2.
반응형