인스톨! 파이토치 5강

[AI 인공지능 머신러닝 딥러닝/Python | PyTorch] - 인스톨! 파이토치 강의 소개

인스톨! 파이토치 강의 소개

 

 

 

인스톨! 파이토치

 

 

 

 

5-1강. 파이토치 다중 분류 코드 40분 완성

다중 분류(multi-class classification)는 3개 이상의 클래스를 예측하는 문제입니다. 주요 학습 내용은 다음과 같습니다.
​

데이터셋과 데이터 로더

DataLoader는 PyTorch에서 데이터를 배치 단위로 효율적으로 로드하는 유틸리티입니다. 모델 학습 시 각 스텝마다 데이터를 batch size로 분할하여 효과적인 학습을 진행합니다.
​

 

ToTensor 변환

ToTensor는 이미지 데이터를 텐서로 변환하고 입력을 정규화하는 torchvision 변환기입니다. Normalize와 함께 Compose를 사용하여 이미지를 텐서로 변환하고 스케일링합니다.
​
​

 

모델 저장 및 불러오기

PyTorch는 torch.save()로 직렬화된 모델을 디스크에 저장하고, torch.load()로 불러올 수 있습니다. 모델의 state_dict나 전체 모델을 저장할 수 있습니다.
​

 

혼동 행렬(Confusion Matrix)

다중 분류 모델의 성능을 평가하기 위해 혼동 행렬을 그려 각 클래스별 정확도와 오분류를 분석합니다. 정밀도(precision), 재현율(recall), F1-score 등의 성능 지표를 확인할 수 있습니다.
​

 

 

5-2강. 나만의 모듈 만들어서 import 하는 법

코드의 재사용성과 가독성을 높이기 위해 파이썬 모듈화를 활용합니다.
​

모듈 생성 방법

별도의 .py 파일에 함수나 클래스를 정의하면 모듈이 됩니다. 예를 들어 mymodule.py에 함수를 정의합니다.
​

모듈 import 방법

- import 모듈이름: 모듈 전체를 가져와 모듈이름.함수이름() 형식으로 사용
​- from 모듈이름 import 함수이름: 특정 함수만 가져와 바로 사용
​

PyTorch는 __init__.py에 패키지 내 모듈을 미리 import하여 사용자가 편리하게 접근할 수 있도록 합니다. torch.nn의 Linear, Conv2d 등이 이러한 방식으로 제공됩니다.
​

 

5-3강. CIFAR-10 데이터셋에서 MLP vs CNN 비교하기

CIFAR-10은 10개 클래스로 구성된 32x32 컬러 이미지 데이터셋입니다. 5만 장의 훈련 데이터와 1만 장의 테스트 데이터로 구성됩니다.
​

성능 비교
- MLP 모델: 테스트 정확도 약 50%
​- CNN 모델: 테스트 정확도 약 75-82%
​

CNN의 우수성

CNN은 합성곱 레이어를 통해 이미지의 공간적 정보와 지역적 패턴을 효과적으로 포착합니다. MLP는 완전 연결 구조로 각 픽셀을 독립적으로 처리하지만, CNN은 공간적 계층 구조를 활용하여 이미지 분류 작업에서 월등한 성능을 보입니다.

 

 

다음 글

[AI 인공지능 머신러닝 딥러닝/Python | PyTorch] - 인스톨! 파이토치 6강 | 97%는 모르는 Dropout의 비밀

인스톨! 파이토치 6강 | 97%는 모르는 Dropout의 비밀

 

​