개발자식

딥러닝은 수많은 레이어(블록) 반복의 연속이다! torch.nn.Module - 딥러닝을 구성하는 Layer의 base 클래스 - input, output, forward, backward 그리고 학습의 대상이 되는 parameter(tensor)도 정의된다. torch.nn.Parameter - Tensor 객체의 상속 객체 - nn.Module 내에 attribute가 될 때는 required_grad = True로 지정되어 학습 대상이 되는 Tensor이다. - low-level이 아니라면 우리가 직접 지정할 일은 잘 없다. (대부분 정해져 있음) 만약에 Module 내에 attribute를 Parameter 말고 Tensor로 선언한다면? -. parameters()로 파라미터를 확인하면 나오지 ..

PyTorch - Numpy + AutoGrad + Function PyTorch는 Tensor를 이용하여 모델의 입력, 출력 그리고 모델의 매개변수를 부호화한다. Tensor는 - 배열이나 행렬과 매우 유사한 자료구조로 - numpy의 ndarray와 매우 유사하다. - 그래서 기본적으로 tensor가 가질 수 있는 데이터 타입은 numpy와 동일하다. (참고 : https://pytorch.org/docs/stable/tensors.html) - numpy와 다른 점은 GPU나 다른 연산 가속을 위한 특수한 하드웨어에서 실행할 수 있다는 점이다. - numpy에 익숙하다면 tensor api에도 익숙할 것이다. + numpy 필수..!! tensor를 만드는 코드 먼저 numpy와 얼마나 유사한지 보..