개발자의시작

이 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 Multivariate Linear regression - 여러 개의 정보로부터 하나의 추측 값을 계산하는 모델 복수의 정보를 가지고 어떻게 예측을 할 수 있을까? Data Hypothes..

글은 모두를위한딥러닝 시즌2 https://github.com/deeplearningzerotoall/PyTorch 을 정리한 글입니다. 이전 챕터보다 더 간단한 hypothesis를 사용한다. 이 데이터는 입력과 출력이 동일하므로 W = 1이 가장 좋은 값이 된다.( H(x) = x가 가장 정확한 모델 ) 여기서 모델의 좋고 나쁨을 어떻게 평가할 수 있을까? cost function은 모델의 예측 값이 실제 데이터와 얼마나 다른지를 나타내는 값으로, 잘 학습된 모델일수록 낮은 cost를 갖는다. 위 모델에서는 W=1 일 때, cost=0이며, W가 1에서 멀어질수록 cost가 높아진다. Linear Regression 에서 쓰이는 cost function은 Mean Squared Error이며 MSE라..

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..