1. 데이터 2. 모델 3. 손실함수 4. 최적화기법 데이터 여기서 가장 중요한 것은 데이터이다. 현재 모델의 성능을 향상시키기 위한 연구는 충분히 진행되었다. 따라서 양질의 데이터를 얼마나 많이 확보하느냐가 중요하다. 모델 모델은 인풋을 원하는 아웃풋으로 바꾸어주는 시스템으로 아래와 같은 것들이 있다. Alexnet, DQN, Encoder/Decoder, Adam optimizer, GAN, ResNet, Transformer, Bert, Big language Model, Self-Supervised learning 내가 하고자 하는 것이 무엇인지에 따라 사용해야할 모델도 달라진다. 예를 들어, Alexnet은 이미지 분류 문제에서 GAN(Generative Adversarial Network)의 ..

torchvision.datasets.ImageFolder root/ ├── class1/ │ ├── img1.jpg │ ├── img2.jpg │ ├── ... ├── class2/ │ ├── img3.jpg │ ├── img4.jpg │ ├── ... ├── ... import torchvision.datasets as datasets # 이미지 데이터셋 경로 설정 data_path = 'root/' # ImageFolder 클래스를 사용하여 데이터셋 생성 dataset = datasets.ImageFolder(data_path, transform=transforms.ToTensor()) (source: https://openai.com) class별로 폴더를 나누고 하위 디렉토리에 img 파일들을 ..

PyTorch란 개발자가 파이썬을 활용하여 딥러닝 모델을 만들고 학습시킬 수 있는 오픈 소스 머신 러닝 프레임워크이다. PyTorch는 디버깅과 효율적인 모델 생성을 쉽게 해주는 동적 계산 그래프(dynamic computational graph)를 제공한다. 또한 데이터 로딩, 전처리, 시각화와 같은 광범위한 도구와 라이브러리를 제공한다. 특히, 컴퓨터 비전, NLP, 강화학습에 적합하다. (source: https://openai.com) 구글에서 개발한 TensorFlow 또한 이와 같은 머신 러닝 프레임워크이다. 두 시스템의 차이는 그래프를 그리는 방식에 있다. PyTorch는 dynamic comuputational graph로 런타임 때 그래프가 생성되기 때문에 학습 중간중간 그래프를 수정할 ..