일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | ||||||
2 | 3 | 4 | 5 | 6 | 7 | 8 |
9 | 10 | 11 | 12 | 13 | 14 | 15 |
16 | 17 | 18 | 19 | 20 | 21 | 22 |
23 | 24 | 25 | 26 | 27 | 28 | 29 |
30 | 31 |
- pytorch
- 스택
- 딥러닝
- Python
- DP
- 정렬
- 머신러닝
- Softmax
- BAEKJOON
- 파이썬
- 머신러닝 기초
- 홍콩과기대김성훈교수
- AI
- rnn
- tensorflow
- 강의자료
- machine learning
- classifier
- 백준
- Hypothesis
- loss
- 강의정리
- Deep learning
- Cross entropy
- 알고리즘
- 자연어처리
- Natural Language Processing with PyTorch
- MSE
- DynamicProgramming
- 파이토치
- Today
- Total
목록파이토치 (3)
개발자의시작

은 모두를위한딥러닝 시즌2 https://github.com/deeplearningzerotoall/PyTorch 을 정리한 글입니다. 이번 챕터에서 모델링하려는 것은 공부시간과 점수의 상관관계이다. 내가 4시간을 공부했다면 몇 점 정도를 받을 수 있을까? 를 예측하는 것이다. 모델의 학습을 위한 데이터는 "torch.tensor"의 형태이며, 입력과 출력을 각기 다른 텐서에 저장한다. 입력은 x_train, 출력은 y_train 로 표기한다. 1 2 3 4 5 6 7 import torch import numpy as np x_train = torch.FloatTensor([[1], [2], [3]]) y_train = torch.FloatTensor([[2], [4], [6]]) print(x_tra..

글은 모두를위한딥러닝 시즌2 https://github.com/deeplearningzerotoall/PyTorch 을 정리한 글입니다. GitHub - deeplearningzerotoall/PyTorch: Deep Learning Zero to All - Pytorch Deep Learning Zero to All - Pytorch. Contribute to deeplearningzerotoall/PyTorch development by creating an account on GitHub. github.com View (Reshape) 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 import numpy as np import torch t = np.array([[..

글은 모두를위한딥러닝 시즌2 https://github.com/deeplearningzerotoall/PyTorch 을 정리한 글입니다. GitHub - deeplearningzerotoall/PyTorch: Deep Learning Zero to All - Pytorch Deep Learning Zero to All - Pytorch. Contribute to deeplearningzerotoall/PyTorch development by creating an account on GitHub. github.com 앞으로 다룰 가장 기본적인 단위인 벡터(Vector), 매트릭스(Matrix), 텐서(Tensor)에 살펴본다. 위의 그림에는 없지만, 차원이 없는 값을 스칼라(Scalar)라고 한다. 첫 번..