곰퓨타의 SW 이야기

이번 역시 모두의 딥러닝 시즌2인 부스트코스 강의를 참고했다.💪 www.boostcourse.org/ai214/lecture/42291/ 파이토치로 시작하는 딥러닝 기초 부스트코스 무료 강의 www.boostcourse.org Reminder : Maximum Likelihood Estimation (MLE) 압정을 떨어뜨릴 때, class 1 : 납짝한 면이 바닥으로 떨어지는 경우 class 2: 그 외의 경우 라고 가정하자. 예측해야 하는 값이 두 가지이므로 베르누이 distribution (이항 분포)이다. (0과 1) n= 100 k= 27 100번을 던졌을 때 class1이 나온 횟수가 27번이라 하자. MSE? -> 우리가 관찰한 데이터를 가장 잘 설명하는 확률 분포 함수의 파라미터를 찾아내는..

이번 역시 부스트코스를 보며 정리를 하였다. www.boostcourse.org/ai214/lecture/42290 파이토치로 시작하는 딥러닝 기초 부스트코스 무료 강의 www.boostcourse.org softmax logistic regression의 연장선상에 있는 것이다. Discrete Probability Distribution (ex) 주사위를 던졌을 때 1,2,3,4,5,6 중에 하나가 값으로 나온다. 가위바위보를 할 때 가위,바위,보 중에 하나가 결과로 나온다. 따라서 이를 그래프로 작성한다면 다음과 같다. 연속적이지 않은 그래프 모양을 가진다. P(X=6 ) =1/6 P(X=5) = 1/6 즉 softmax는 입력 받은 값을 출력으로 0~1 사이의 값으로 정규화를 하였을 때, 출력값들..

이번 강의도 역시 파이토치로 시작하는 딥러닝 기초 강의를 수강하였다. www.boostcourse.org/ai214/lecture/42289/ 파이토치로 시작하는 딥러닝 기초 부스트코스 무료 강의 www.boostcourse.org Reminder : Logistic Regression [문제 정의 Hypothesis] logistic regression은 binary classification이다. m개의 sample로 이루어지고 d의 차원을 가진 x data (mxd) 가 있고, 이것을 가지고 m개의 0과 1로 이루어진 정답을 도출해야한다. 0과 1 중 더 가까운 곳으로 예측이 된다. P(x=1 ) = 1 - P(x=0) |X| = (m,d) |W| = (d ,1 ) |X*W| = (m,d) x (d..

이번 강의 역시 부스트코스에서 제공하는 pytorch 관련 강좌를 들었다. 💪 www.boostcourse.org/ai214/lecture/42288/ 파이토치로 시작하는 딥러닝 기초 부스트코스 무료 강의 www.boostcourse.org Multivariable linear regression 복습 여러 개의 정보로부터 하나의 결론을 도출한다. gradient descent를 통해 모델을 학습시키면 cost가 점점 작아지고 실제값 y에 예측값이 가까워진다는 것을 알 수 있다. "Minibatch" Gradient Descent 이론 Problem 복잡한 머신러닝의 모델을 학습하려면 엄청난 양의 데이터가 필요하다. - 엄청난 양의 데이터는 한 번에 학습시킬 수 없다. --> 너무 느리고, 하드웨어적으로..

이 또한 아래 강의를 들었다!! www.boostcourse.org/ai214/lecture/42286/ 파이토치로 시작하는 딥러닝 기초 부스트코스 무료 강의 www.boostcourse.org Simple Linear Regression 복습 하나의 정보로부터 하나의 결론을 짓는 모델 ex. '# 시간을 공부한 경우 -> 시험성적은 x점정도 나올 것이다.' 라고 예측하는 경우 Multivariable Linear Regression 이론 복수의 정보가 존재할 때 하나의 추측값을 계산해낸다. ex.'쪽지 시험의 성적이 여러 개 인 경우 -> 기말고사 성적은 x점 정도 나올 것이다.' 라고 예측하는 경우 1. 데이터 정의 예를 들어 데이터가 다음과 같이 주어졌다고 하자. 이 데이터 셋은 파이썬 코드로 다음..

역시 이번에도 부스트코스에서 제공되는 '파이토치로 시작하는 딥러닝 기초' 강의를 따라했다. www.boostcourse.org/ai214/lecture/42285 파이토치로 시작하는 딥러닝 기초 부스트코스 무료 강의 www.boostcourse.org Hypothesis function 복습 Hypothesis : 인공신경망의 구조를 나타낸다. H(x) = Wx + b (W : weight, b : bias) W와 b는 torch.zeros로 0의 값으로 초기화하다! W = torch.zeros(1,require_grad=True) b = torch.zeros(1,requires_grad=True) hypothesis = x_train * W + b Simpler Hypothesis Function H(..

이전에 만들어 놓은 docker container 접근하여 jupyter notebook 실행하기 1. docker 시작하기 $ docker start pt 2. 컨테이너 터미널에 접속하기 $ docker attach pt root@[고유번호] : ~# 3. 들어가고자 하는 폴더로 cd 명령어를 통해 이동 root@[고유번호]:~# cd pytorch_study 4. jupyter notebook 실행하기 root@[고유번호]:~/pytorch_study# jupyter notebook --ip 0.0.0.0 --allow-root ==> 부스트코스의 파이토치로 시작하는 딥러닝 기초에서 제공하는 이미지는 쉘 스크립트로 jupyter notebook이 실행 가능하다. root@[고유번호]:~/pytorch..

강의는 다음을 참고했다!! www.boostcourse.org/ai214/lecture/42284/ 파이토치로 시작하는 딥러닝 기초 부스트코스 무료 강의 www.boostcourse.org Data definition 문제 정의 공부한 시간에 따른 성적을 알고 싶은 경우 , train data set을 통해 데이터를 훈련시킨다. test data set을 통해 성능을 평가한다. 입력과 출력을 각기 다른 tensor에 저장한다. Hypothesis 모델 정의 linear regression : 학습데이터와 가장 잘 맞는 하나의 직선을 찾는 것이다. W = torch.zeros(1, requires_grad=True) b = torch.zeros(1, requires_grad=True) hypothesis ..

이번에도 이 강의를 수강하면서 정리해보고자 한다.😊 www.boostcourse.org/ai214/lecture/42282/ 파이토치로 시작하는 딥러닝 기초 부스트코스 무료 강의 www.boostcourse.org Pytorch basic Tensor Manipulation Vector, Matrix, and Tensor 2D tensor (typical simple setting) |t| = (Batch size,dim) -> 연산마다 크기를 아는 것은 중요하다. 3D tensor (typical computer vision) |t| = (Batch size,width,height) 3D tensor (Typical Natural Language Processing) |t| = (batch size, ..

파이토치는 실제로 처음 실습해보기 때문에 다음 강의를 수강하며 하나씩 정리해보고자 한다⭐️ www.boostcourse.org/ai214/lecture/42994/ 파이토치로 시작하는 딥러닝 기초 부스트코스 무료 강의 www.boostcourse.org Docker ? 컨테이너 기반의 가상 시스템 가상화 -> 집 하나를 여러 개의 구역으로 쪼개듯이 여러개로 나누어준다. 즉, 서버를 여러개로 쪼개준다. --> 컴퓨터 한 대에서 여러 개의 서버 사용을 위함. 실습을 위해 필요한 것들을 설치해놓은 도커 이미지를 제공해주시기 때문에, 그 이미지를 받아서 하면 됨! 컨테이너에서 실습하고, 실습하다가 잘못되면 이미지를 그냥 밀고 다시 다운 받으면 된다! 설치방법 (우선 도커는 리눅스 기반이기 때문에 윈도우와 맥은 ..