Roquen_Home

안녕하세요. 지난 글에서 PyTorch의 순전파 → 손실 계산 → 역전파 기본 원리를 다뤘습니다.https://roquen4145.tistory.com/318 Pytorch와 함께 머신러닝 맛보기안녕하세요 이번에는 pytorch를 이용해서 머신러닝을 하는 방법에 대해서 정리해보려고 합니다.pytorch는 최근 머신러닝을 하는 사람들이 많이 사용하는 프레임워크입니다. 머신러닝은 크게 세가roquen4145.tistory.com 이번 글에서는 실제 데이터를 만들어서 학습하는 과정을 살펴보고손실 추이와 모델 성능을 시각화해보겠습니다.데이터 준비머신러닝의 첫 단계는 학습할 데이터를 준비하는 것입니다.여기서는 선형 회귀 예제로, 간단한 1차 함수 y = 2x + 1 형태의 데이터를 생성해보겠습니다. import ..

안녕하세요 이번에는 pytorch를 이용해서 머신러닝을 하는 방법에 대해서 정리해보려고 합니다.pytorch는 최근 머신러닝을 하는 사람들이 많이 사용하는 프레임워크입니다. 머신러닝은 크게 세가지 단계로 이루어져있습니다.순전파, 손실계산, 역전파이 과정을 pytorch를 사용해서 간단히 해보려고 합니다. 텐서(Tensor)pytorch로 머신러닝을 하기 위해서는 텐서(tensor)라는 개념을 알아야합니다.텐서는 데이터들을 gpu에게 효과적으로 전달하여 학습하기 쉽게 만든 데이터 구조라고 생각하면 됩니다.다음과 같은 코드로 여러 종류의 텐서를 만들 수 있습니다.import torchscalar = torch.tensor(3.14)vector = torch.tensor([1,2,3])matrix = torc..

Jupyter notebook(주피터 노트북)은 파이썬 기반의 여러 작업들을 할 때 많이 쓰입니다.파이썬 코드와 같이 마크다운 문서를 쓸 수 있어서 유용하게 쓰이는데요.특히 머신러닝이나 데이터 분석을 할 때 자주 쓰입니다.오늘은 Jupyter notebook(주피터 노트북)의 사용법과 단축키를 정리해보도록 하겠습니다.사용법Jupyter notebook(주피터 노트북)에는 두 가지 모드가 있습니다.명령 모드와 편집 모드 두 개가 있는데요.명령 모드는 셀을 생성하거나 삭제, 실행 등을 할 수 있는 모드이고편집 모드는 각 셀의 내용을 변경할 때 쓰입니다.현재 모드가 어떤 상태인지는 셀의 색깔을 보고 알 수 있습니다.셀이 파란색이면 명령모드,셀이 초록색이면 편집모드입니다.환경에 따라 색 구분이 없는 경우도 있으..

https://cs231n.github.io/neural-networks-3/ CS231n Deep Learning for Computer VisionTable of Contents: Learning In the previous sections we’ve discussed the static parts of a Neural Networks: how we can set up the network connectivity, the data, and the loss function. This section is devoted to the dynamics, or in other words, the procecs231n.github.io이번에는 위 내용에 대해서 한글로 정리해보겠습니다. 학습지난 섹션에서는 인공신경..

https://cs231n.github.io/neural-networks-2/ CS231n Deep Learning for Computer VisionTable of Contents: Setting up the data and the model In the previous section we introduced a model of a Neuron, which computes a dot product following a non-linearity, and Neural Networks that arrange neurons into layers. Together, these choices define thecs231n.github.io이번에는 위 내용을 한글로 정리해보겠습니다. 데이터와 모델 설정하기이전 섹..

https://cs231n.github.io/neural-networks-1/ CS231n Deep Learning for Computer VisionTable of Contents: Quick intro It is possible to introduce neural networks without appealing to brain analogies. In the section on linear classification we computed scores for different visual categories given the image using the formula \( s = W x \), whecs231n.github.io이번에는 위 내용을 한글로 정리해보겠습니다. 빠른 소개 (Quick intr..

https://cs231n.github.io/optimization-2/CS231n Deep Learning for Computer VisionTable of Contents: Introduction Motivation. In this section we will develop expertise with an intuitive understanding of backpropagation, which is a way of computing gradients of expressions through recursive application of chain rule. Understanding of thics231n.github.io이번에는 위 내용을 한글로 정리해보겠습니다.개요이 섹션에서 해결하려는 주요 문제는 ..

https://cs231n.github.io/optimization-1/ CS231n Deep Learning for Computer VisionTable of Contents: Introduction In the previous section we introduced two key components in context of the image classification task: A (parameterized) score function mapping the raw image pixels to class scores (e.g. a linear function) A loss function thacs231n.github.io이번에는 위 내용에 대해서 한글로 정리해보겠습니다. 최적화(Optimization..

https://cs231n.github.io/linear-classify/ CS231n Deep Learning for Computer VisionTable of Contents: Linear Classification In the last section we introduced the problem of Image Classification, which is the task of assigning a single label to an image from a fixed set of categories. Moreover, we described the k-Nearest Neighbor (kNN) clcs231n.github.io이번에는 위 내용에 대해서 한글로 정리해보겠습니다.선형 분류 개요이미지 분류를 ..

https://cs231n.github.io/classification/ CS231n Deep Learning for Computer VisionThis is an introductory lecture designed to introduce people from outside of Computer Vision to the Image Classification problem, and the data-driven approach. The Table of Contents: Image Classification Motivation. In this section we will introduce the Imcs231n.github.io 이번에는 위 내용에 대해서 한글로 정리하도록 하겠습니다. 이미지 분류고정된 카테..