AI/Pytorch

pytorch에서 Dataset을 다루는 방법과 Transform을 사용하는 방법에 대해 알아보겠습니다 https://tutorials.pytorch.kr/beginner/basics/transforms_tutorial.html 여기서 공부를 하였고 정리하였습니다. Transform(변형) - 저희가 학습을 할 때 데이터가 항상 알고리즘 학습에 필요한 최적의 처리가 된 형태로 제공되지 않습니다. 그렇기 때문에 transform을 하여 데이터를 조작하고 학습에 적합하게 만들어야 합니다. - torchVision.datasets에서 매개변수 두 개를 받는데 하나는 feature을 변경하기 위한 transform이며 다른 하나는 label을 변경하기 위한 target_transform입니다. - torchvi..

pytorch에서 Dataset을 다루는 방법과 DataLoader를 사용하는 방법에 대해 알아보겠습니다 https://tutorials.pytorch.kr/beginner/basics/data_tutorial.html 여기서 공부를 하였고 정리하였습니다. 1) 데이터셋 불러오기 - TorchVision Fashion-MNIST 데이터셋을 불러오는 예제를 하겠습니다. - Fashion-MNIST는 흑백의 28x28 이미지와 10개의 class 중 하나의 label로 구성되어 있습니다. - datasets.FashionMNIST() 입력 매개변수 root : train 또는 test 데이터가 저장되는 경로 train : train용 또는 test용 데이터셋 여부를 지정 True / False downloa..

앞의 포스팅에 이어 텐서 조작 정리의 마지막 시간을 가지겠습니다. 포스팅은 밑의 출처에서 보고 공부한 것을 정리하였습니다. https://wikidocs.net/52846 7) 타입 캐스팅(Type Casting) - 텐서의 자료형을 변환하는 것을 타입 캐스팅이라고 합니다. lt = torch.LongTensor([1, 2, 3, 4]) print(lt) print(lt.float()) 출력 ) - bt라는 바이트 타입의 텐서를 만들었습니다. bt = torch.ByteTensor([True, False, False, True]) print(bt) 출력) - 바이트 타입의 텐서를 long과 float 타입으로 바꾸어 결과를 확인했습니다. print(bt.long()) print(bt.float()) 출력..

앞의 포스팅에 이어 텐서를 조작하는 방법을 알아보겠습니다! 포스팅은 밑의 출처에서 보고 공부한 것을 정리하였습니다. https://wikidocs.net/52846 4) 뷰(View) - 파이토치에서 텐서의 뷰는 Numpy에서의 reshape 같은 역할을 합니다. - 텐서에서 원소의 수를 유지하면서 텐서의 크기를 변경합니다. t = np.array([[[0, 1, 2], [3, 4, 5]], [[6, 7, 8], [9, 10, 11]]]) ft = torch.FloatTensor(t) print(ft.shape) 4 - 1) 3차원 텐서에서 2차원으로 변경 print(ft.shape) print(ft.view([-1, 3])) print(ft.view([-1, 3]).shape) 출력) - view([-..

pytorch의 tensor 기초 조작을 정리 해보았습니다. 1) Pytorch에서 텐서(Tensor)란? - 텐서 : 배열(array)와 행렬(matrix)과 유사한 자료구조로 텐서를 이용하여 모델의 입출력을 합니다. - 텐서는 GPU나 다른 하드웨어 가속기에서 실행하는 점만 제외하면 Numpy의 ndarray와 매우 유사합니다. - 자동미분(Autograd)에 최적화 되어있습니다. 텐서(Tensor) 초기화 import torch import numpy as np - torch와 numpy 라이브러리를 임포트 해준다고 생각하고 이번 포스팅을 진행하겠습니다. 1. 데이터로부터 직접 실행 data = [[1,2],[3,4]] x_data = torch.tensor(data) x_data, type(x_d..