코딩하는 해맑은 거북이

본 게시물의 내용은 '딥러닝 기초 다지기(부스트코스)' 강의를 듣고 작성하였다. 해당 글은 5. Generative Model 2가지 파트를 다룬다. 1. Generative Models 1 2. Generative Models 2 1. Generative Models 1 Introduction - Learning a Generative Model Suppose that we are given images of dogs. We want to learn a probability distribution p(x) such that Generation: If we sample \(\tilde{x}\) ~ p(x), should look like a dog. Density estimation: p(x) shoul..

강의 내용 PyTorch 이번주는 저번주보다 강의량은 적었지만, 과제에 오랜 시간을 쏟았었다. 강의에선 아주 기본적인 내용을 다뤘고 과제에서는 PyTorch Documentation을 통해 세부적인 구성요소까지 세세하게 다뤘던 것 같다. 과제를 하면서 지치고 힘들었던 순간들도 있었지만, 부덕이가 이끌어주는대로 따라가다보니 어느새 끝이 보이기 시작했었다. 힘들었지만 되돌아 생각해보면 실습을 통해 이해하고 활용해보는 너무 뜻깊은 시간이었던 것 같다. *부덕이 = 부캠 마스코트 캐릭터 피어세션 이번주 피어세션에서는 과제가 양이 많고 어려웠던 만큼, 과제에 대한 토론이 많았던 것 같다. 각자 모르는 부분에 대해 질문하고 알고 있는 부분에 대해선 공유하며 서로 많이 소통했던 것 같다. 확실히 팀원이 있다는 것만으..

해당 글은 pytorch에서 tensor의 사칙연산 4가지를 다룬다. 0. torch 라이브러리 선언 및 tensor 객체 생성 import torch A = torch.Tensor([5]) B = torch.Tensor([10]) 1. 덧셈 print(A+B) print(torch.add(A, B)) tensor([15.]) tensor([15.]) 2. 뺄셈 print(A-B) print(torch.sub(A, B)) tensor([-5.]) tensor([-5.]) 3. 곱셈 print(A*B) print(torch.mul(A, B)) tensor([50.]) tensor([50.]) 4. 나눗셈 print(A/B) print(torch.div(A, B)) tensor([0.5000]) tensor..

해당 글의 내용은 아래의 2개 주소의 내용에서 Pandas만 한번에 보기 쉽게 하기 위해 모은 것 입니다. 해당 글은 아래의 2가지를 다룬다. 1. Pandas I 🔹 pandas 🔹 Series 🔹 DataFrame 🔹 selection & drop 🔹 dataframe operations 🔹 lambda, map, apply 🔹 pandas built-in functions 2. Pandas II 🔹 Groupby I 🔹 Groupby II 🔹 Case Study 🔹 Pivot table & Crosstab 🔹 Merge & Concat 🔹 persistence 원본글 링크보기 ↓ 더보기 인공지능(AI) 기초 다지기 (8) 본 게시물의 내용은 '인공지능(AI) 기초 다지기(부스트코스)' 강의를 듣고 ..

본 게시물의 내용은 '부스트캠프 AI Tech - PyTorch(최성철)' 강의를 듣고 작성하였다. 해당 글은 아래의 3가지를 다룬다. 1. Multi-GPU 학습 ▶ 개념정리 ▶ Model parallel ▶ Data parallel 2. Hyperparameter Tuning ▶ Hyperparameter Tuning ▶ Ray 3. PyTorch Troubleshooting ▶ OOM(Out Of Memory)이 해결하기 어려운 이유 그 외에 발생할 수 있는 문제들 1. Multi-GPU 학습 ▶ 개념정리 - Single(1개) vs.Multi(2개이상) - GPU vs. Node(시스템, 1대의 컴퓨터) - Single Node Single GPU (1대의 컴퓨터, 1개의 GPU) - Single..

본 게시물의 내용은 '부스트캠프 AI Tech - PyTorch(최성철)' 강의를 듣고 작성하였다. 해당 글은 아래의 2가지를 다룬다. 1. 모델 불러오기 ▶ model.save() ▶ checkpoints ▶ Pretrained model Transfer learning 2. Monitoring tools for PyTorch ▶ Tensorboard ▶ weight & biases (WanB) 1. 모델 불러오기 ▶ model.save() - 학습의 결과를 저장하기 위한 함수 - 모델 형태(architecture)와 파라메터를 저장 - 모델 학습 중간 과정의 저장을 통해 최선의 결과모델을 선택 - 만들어진 모델을 외부 연구자와 공유하여 학습 재연성 향상 # Print model's state_dict..