반응형 개발/Deep Neural Networks with PyTorch 리뷰6 [COURSERA] Deep Neural Networks with PyTorch by IBM 강의 리뷰 3-2 이번 포스팅은 3.6에 관한 내용이다. 3.6 Linear regression: Training and Validation Data 주어진 데이터를 Training data와 Validation data로 나눠서 학습하는 과정이다. Make Some Data Create a Linear Regression Object, Data Loader and Criterion Function Different learning rates and Data Structures to Store results for Different Hyperparameters Train different Modules for different Hyperparameters View Results 목차에서 알 수 있듯이 이 단원은 Hyper.. 2020. 3. 30. [COURSERA] Deep Neural Networks with PyTorch by IBM 강의 리뷰 3-1 본 포스팅은 2주차의 3.1-3.3 강의에 대한 리뷰이다. (lab 실습 내용을 기준으로 포스팅하다보니 강의 번호와는 차이가 있을 수 있다.) 3.1 Linear regression 1D: Training Two Parameter Stochastic Gradient Descent (SGD) 앞에서부터 계속해서 언급해왔던 Gradient Descent에 관한 내용이 나온다. 학부 때부터 계속 들어서 익숙한 method인데 들어가기 전에 대략적으로 살펴보자. iterative하게 local minimum을 구하는 알고리즘 중 하나로 미분값을 이용해야 하므로 미분가능한 함수에 한해 사용한다. local maximum을 찾는 방법으로 gradient ascent도 있다.(단순히 부호만 바꾸면 됨) Gradien.. 2020. 3. 29. [COURSERA] Deep Neural Networks with PyTorch by IBM 강의 리뷰 2 본 포스팅은 2.1-2.3의 내용에 대한 리뷰이다. 2.1 Linear Regression in 1D - Prediction Prediction Class Linear Build Custom Modules 1) Prediction 먼저, 이러한 표현식을 만들기 위해서는 parameter인 w(slope 또는 weight)와 b(bias)를 정의해야 한다. torch.tensor를 이용하여 정의해준다. w와 b는 update 되어야 할 파라미터이기 때문에 requires_grad = True로 설정해줘야 한다. 파라미터 w, b를 정의했으면 forward 함수 yhat = w*x + b를 정의해준다. 보통 yhat은 예측값 그리고 y는 실제 값을 뜻한다. x가 저 텐서로 정의되었을 때 forward함수에 .. 2020. 3. 29. [COURSERA] Deep Neural Networks with PyTorch by IBM 강의 리뷰 1 - 2 그다음 1.4 Simple Dataset와 1.5 Dataset 강의에 대해 리뷰해보겠다. 1.4 Simple Dataset Basic dataset을 만들고 여기에 transform을 적용해보자. 여기서 torch.manual_seed()는 random function이 우리가 이것을 부를 때마다 같은 수를 불러오게 한다. 또, torch.utils.data에 대해 더 자세히 알아보자. 참고 : https://hulk89.github.io/pytorch/2019/09/30/pytorch_dataset/ pytorch dataset 정리 · Hulk의 개인 공부용 블로그 pytorch dataset 정리 30 Sep 2019 | ml pytorch dataloader Dataset, Sampler, Da.. 2020. 3. 24. 이전 1 2 다음 728x90 반응형
