패스트캠퍼스 환급챌린지 13일차 : Part1 딥러닝을 시작하기전에 강의 후기

본 포스팅은 패스트캠퍼스 환급 챌린지 참여를 위해 작성하였습니다.

https://bit.ly/4hTSJNB

커리어 성장을 위한 최고의 실무교육 아카데미 | 패스트캠퍼스

Ch04-01 파이토치

- 파이토치 : 기계학습 프레임워크 중 하나, 파이토치의 텐서 (고차원 데이터, 3개 이상의 데이터)는 numpy 배열과 유사

- 텐서간의 연산을 수행할 때, 기본적으로 첸서가 같은 장치에 있어야함 (cpu or gpu) 

: 가능하면 텐서를 모두 gpu에 올리고, 연산을 수행 (.cuda => gpu .cpu => cpu 에 올리는 함수)

: 서로 다른 장치의 텐서끼리 연산시 오류가 발생하게됨

Ch04-02 파이토치 텐서 소개 및 생성 방법

1) 텐서 (numpy 와 유사)

- 다차원 배열을 처리하기에 적합한 자료구조로 자동 미분 기능을 제공함

- 기본 속성으로 모양, 자료형, 저장된 장치가 있음

2) 텐서 초기화

- 리스트 데이터에 직접 텐서를 초기화 : torch.tensor(data)

- numpy 배열에서 텐서를 초기화 : torch.from_numpy(data)

- 다른 텐서로부터 텐서 초기화 : torch.one_like, torch.rand_like

Ch04-03 텐서의 형변환 및 차원 조작

1) 텐서의 차원 접근

- tensor[index] -> index에 해당하는 행

- tensor[:, index] -> index에  해당하는 열

- tensor[..., -1] 마지막 열

2) 텐서의 이어 붙이기

- tensor.cat( tensor,... dim = 0) : dim에 값을 설정해서 열과 행으로 붙일 수 있음

3) 텐서의 형변환

- 텐서의 자료형을 변환할 수 있음 

- tensor.int32와 같이 변경할 자료형을 넣어줌

4) 텐서의 모양 변경

- view 함수를 사용하면 모양을 변경할 수 있음

5) 텐서의 차원 교환

- permute 함수를 통해 하나의 텐서에서 특정한 차원끼리 교체할 수 있음 

Ch04-04 텐서의 연산과 함수

- 사칙 연산 등 기본적인 연산을 수행 (요소별 연산)

- matmul 함수를 사용해서 행렬 곱을 수행할 수 있음

- mean 함수를 통해 평균, sum 함수를 통해 합계를, max 함수를 통해 원소의 최대 값을, argmax를 통해 최대값을 가진 원소의 인덱스 값을 구할 수 있음

- unsqueeze/squeeze 함수를 통해 크기가 1인 차원을 추가하거나 제거할 수 있음

Ch04-05 텐서의 자동 미분과 기울기

- 연산에 대한 자동 미분을 수행할 수 있도록 설정할 수 있음 (required_grad=true)

- 일반적으로 모델을 학습할 때는 기울기를 추적하고, 학습된 모델을 사용할 기울기를 추적하지 않음 

Ch04-06~08 은 파이토치 실습을 통하여 학습 모델의 대한 사용 방법을 익힐 수 있음