본문 바로가기

예제2

3장. 파이토치로 구현하는 ANN 3.2절 경사하강법으로 이미지 복원하기 3.1.3 머신러닝 모델은 입력된 데이터를 기반으로 학습한다. 충분한 데이터를 보지 못해 학습이 끝나지 않은 모델은 정답이 아닌 결과를 출력할 가능성이 크다. 데이터에 대한 정답과 머신러닝 모델이 예측한 결과의 차이를 산술적으로 표현한 것을 거리 학습 데이터로 계산한 거리들의 평균을 오차 즉, 오차가 작은 머신러닝 모델일 수록 주어진 데이터에 대해 정확한 답을 낸다고 볼 수 있다. 오차를 최소화하는 데 가장 많이 쓰이는 알고리즘은 경사하강법이다. 경사하강법이란 오차를 수학 함수로 표현한 후 미분하여 이 함수의 기울기를 구해 오차의 최솟값이 있는 방향을 찾아내는 알고리즘이다. 3.2 경사하강법으로 이미지 복원하기 1. 오염된 이미지(broken_image)와 크기가 같은 랜덤 텐서(random_tensor.. 2020. 12. 18.
3장. 파이토치로 구현하는 ANN 3.1절 2장은 파이토치를 실행하는데 필요한 설치 과정을 담고 있어서 생략한다. 3.1절 텐서는 파이토치에서 다양한 수식을 계산하는데 가장 기본적인 자료 구조이다. 벡터나 행렬을 일반화한 개념으로 차원, 랭크라는 개념이 있다. 1--> 스칼라 모양 [] [1,2,3] --> 벡터 모양 [3] [[1,2,3,]] --> 행렬 모양 [1,3,] [[[1,2,3]]] --> n랭크 텐서, 모양 [1,1,3] 더 많은 예제와 함수에 대한 설명은 3분 딥러닝 교재를 참고하자. unsqueeze() (텐서의 랭크 늘리기) squeeze() (텐서의 랭크 낮추기) view() (텐서의 모양 바꾸기) 위와 같이 unsqueeze(), squeeze(), view() 함수들은 텐서의 원소수를 유지하면서 모양과 차원을 조절한다. 2020. 11. 10.
반응형