Fashion MNIST 데이터 불러오기 torch의 경우 데이터를 불러올 때 Compose를 통해 normalize를 하고 배치 사이즈를 지정하여 iterator를 만든다. BATCH_SIZE = 64 from torchvision import datasets, transforms from torch.utils.data import DataLoader, random_split transform = transforms.Compose([ transforms.ToTensor(), transforms.Normalize(mean=(0.5,), std=(0.5,)) ]) full_train_dataset = datasets.FashionMNIST('dataset/', train=True, download=True..

2024.03.12 - [데이터 분석/딥러닝] - pytorch 공부 (3) - CNN 구현하기 IMBD 데이터 `torchtext==0.17.0`이라 legacy가 없어져 github에 적힌 코드를 사용하였다. import torch from torch.nn.utils.rnn import pad_sequence from torch.utils.data import random_split from torch.utils.data import DataLoader from torchtext.datasets import IMDB from torchtext.data.functional import to_map_style_dataset from torchtext.data.utils import get_tokenize..

2024년 3월 기준 - 텐서플로우 설치: pip로 TensorFlow 설치 - 파이토치 설치: PyTorch 버전 확인 윈도우즈 네이티브에서는 tensorflow 최신 버전을 사용할 수 없다. tensorflow pytorch Python 버전 3.9-3.11 >=3.8 CUDA 11.2 (11.8) 11.8 or 12.1 패키지 버전 2.10 2.2.1 tensorflow의 경우 윈도우즈 네이티브에서 CUDA=11.2, cuDNN=8.1.0을 추천하고 있긴 한데 아래 버전들로 설치해도 잘 작동한다. 1. CUDA 설치 CUDA Toolkit 11.8 Downloads | NVIDIA Developer 본인 환경에 맞게 설치 1.1 환경 변수 설정 나는 CUDA 11.8을 설치하고 있으므로 11.8로 ..

2024.03.08 - [데이터 분석/딥러닝] - pytorch 공부 (2) - ANN 구현하기 CNN 기본 Convolution layer import torch import torch.nn as nn # 합성곱 레이어 객체 생성 layer = nn.Conv2d(1, 20, 5, 1).to(torch.device('cpu')) # 입력 채널 수, 출력 채널 수, 커널 사이즈, stride layer # Conv2d(1, 20, kernel_size=(5, 5), stride=(1, 1)) - `nn.Conv2d`: Convolution layer. 파라미터는 입력 채널 수, 출력 채널 수, kernel size, stride - 입력 채널 수, 출력 채널 수는 ANN에서의 사이즈와 같음 - kernel..

2024.03.08 - [데이터 분석/딥러닝] - pytorch 공부 (1) - 기본 연산 FashionMNIST 데이터 불러오기 from torchvision import datasets, transforms from torch.utils import data train_loader = data.DataLoader( datasets.FashionMNIST('dataset/', train=True, download=True, # 다운로드 경로 transform=transforms.Compose([ # 이미지를 텐서로 바꿔주는 코드 transforms.ToTensor(), transforms.Normalize(mean=(0.5,), std=(0.5,)) ]) ), batch_size=32 ) test_lo..

연산 `torch`의 연산은 `numpy`와 동일하게 작동한다. import torch import numpy as np a = torch.tensor([1, 2, 3]) b = torch.tensor([4, 5, 6]) a + b # tensor([5, 7, 9]) a * 3 # tensor([3, 6, 9]) a = torch.tensor(3) a.item() # 3 type(a.item()) # int - `.item()` 함수를 통해 scalar tensor의 값을 뽑아낸다. (값이 여럿일 경우에는 오류가 난다.) 자동 미분 # AutoGrad x = torch.tensor(1.0, requires_grad=True) # AutoGrad 적용 a = x*3 y = a **2 # (3x)**2 = ..