괜찮은 파이토치 강좌를 찾아서 나름 다시 정리해본 결과를 공유합니다.최초작성 2024. 12. 10다음 포스트에 이어지는 내용입니다. 괜찮은 파이토치 강좌 - 01. 파이토치 기초https://webnautes.tistory.com/2409 괜찮은 파이토치 강좌 - 02. 파이토치 워크플로 살펴보기https://webnautes.tistory.com/2410다음 문서를 기반으로 작성되었습니다. 코랩에서 실행한 결과를 정리했습니다.https://www.learnpytorch.io/02_pytorch_classification/분류 문제(Classification)분류 문제는 주어진 대상이 미리 정해놓은 클래스 중에 어떤 것에 해당하는지 예측하는 문제입니다. 분류가 어떤 것인지 예를 들어보면 사진이 주어질..
괜찮은 파이토치 강좌를 찾아서 나름 다시 정리해본 결과를 공유합니다.최초작성 2024. 11. 24다음 포스트에 이어지는 내용입니다. 괜찮은 파이토치 강좌 - 01. 파이토치 기초https://webnautes.tistory.com/2409 다음 문서를 기반으로 작성되었습니다. 코랩에서 실행한 결과를 정리했습니다. https://www.learnpytorch.io/01_pytorch_workflow/1. 데이터 준비데이터를 학습 및 테스트 세트로 분할 2. 모델 구축파이토치 모델 구축 필수 요소파이토치 모델의 내용 확인하기torch.inference_mode()를 사용하여 예측하기 3. 학습 모델파이토치에서 손실 함수 및 옵티마이저 생성하기파이토치에서 최적화 루프 생성하기파이토치 학습(Training) ..
괜찮은 파이토치 강좌를 찾아서 나름 다시 정리해본 결과를 공유합니다.최초작성 2024. 11. 19다음 문서를 기반으로 작성되었습니다. 코랩에서 실행한 결과를 정리했습니다. https://www.learnpytorch.io/00_pytorch_fundamentals/ 1. PyTorch 코드 실행하기 2.텐서 소개 3.텐서 생성하기난수로 채워진 텐서 생성하기0 또는 1로 채워진 텐서 생성하기범위 값으로 채워진 텐서 생성하기다른 텐서와 크기가 동일한 텐서 생성하기 4.텐서 데이터 타입특정 데이터 타입의 텐서 생성하기 5.텐서 정보 얻기 6.텐서 조작하기기본 연산행렬 곱셈(Matrix multiplication)요소별 곱셈과 행렬 곱셈의 차이행렬곱셈과 신경망min, max, mean, sumPositio..
파이토치 튜토리얼의 quickstart를 번역했습니다.2024. 10. 21 최초작성2024. 10. 26 다음 문서를 기반으로 작성되었습니다.https://pytorch.org/tutorials/beginner/basics/quickstart_tutorial.html https://pytorch.org/tutorials/beginner/basics/transforms_tutorial.html https://pytorch.org/tutorials/beginner/basics/optimization_tutorial.html 데이터와 함께 작업하기파이토치(PyTorch)에는 데이터 작업을 위한 두 가지 핵심 요소가 있습니다. torch.utils.data.DataLoader와 torch.utils.dat..
크롬 확장 프로그램을 사용하여 이미지 검색에서 이미지를 수집(다운로드)하는 방법을 다룹니다. 2024. 10. 25 최초작성 https://youtu.be/nUzA-O0ix-E
코랩을 사용해본 후기입니다. 2022. 11. 10 최초작성2024. 2. 172024. 6. 19 변경된 하드웨어 반영. 일부 사용률도 변경됨2024. 10. 5 런팟 포스트 링크 추가글 작성 시점에서(2024. 6. 18) Colab 요금제 입니다. Colab Pro를 구독하지 않고 필요할때마다 충전해서 사용하는 Pay As You Go를 사용하고 있습니다. 이 글을 처음 작성할때에는(2022. 11. 10) Colab Pro를 구독했었습니다. 코랩 프로의 경우엔 매달 9.99달러가 지불되며 컴퓨팅 단위 100개를 받습니다. 신용카드를 등록한 후, 컴퓨팅 단위 100개를 구입할 수 있습니다. 사용가능한 하드웨어 가속기 종류는 다음과 같습니다. 성능은 A100 GPU > L4 GPU > T4..
Llama 3.2 3B를 파인튜닝 해보는 과정을 다루고 있습니다. 최초작성 2024. 10. 3 1. 허깅페이스 사이트에 회원가입을 해야 합니다. https://huggingface.co/ 2. 다음 링크에 접속하여 Llama 3.2 3B 모델 접근 권한을 얻어야 합니다. https://huggingface.co/meta-llama/Llama-3.2-3B 버튼을 클릭합니다. 다음 정보를 입력하고 Submit 버튼을 클릭합니다. 이제 모델 접근을 허용한다는 메일이 오기를 기다려야 합니다. 3. 공개 모델이 아닌 경우엔 허깅페이스 액세스 토큰을 얻어야 합니다. 오른쪽 위에 있는 프로필 아이콘을 클릭 후, 메뉴에서 Settings를 선택합니다. 왼쪽 메뉴에서 Access Tokens를 선택합니다. Create..
구글 코랩을 사용하다가 비용 부담이 되어 좀 더 저렴한 런팟을 사용해본 과정을 기록했습니다. 추후 더 사용해보며 글을 업데이트할 예정입니다.2024. 9. 16 최초작성2024. 9. 16 SSH를 사용한 접속2024. 9. 17 Visual Studio Code를 사용한 접속런팟 간단히 사용해보기SSH를 사용한 접속Visual Studio Code를 사용한 접속영상이 편하신분은 유튜브 영상을 보세요. SSH를 사용한 접속과 Visual Studio Code를 사용한 접속은 포스트를 참고하셔야 합니다. https://youtu.be/usSzB7oST3M 런팟 간단히 사용해보기 1. 회원 가입을 먼저 해야 합니다. 다음 주소에 접속하여 화면 중앙에 보이는 Get started를 클릭하거나 화면 오른쪽..
XGBoost와 표준화(standardization)를 하나의 파이프라인으로 생성하여 학습을 진행하면 나중에 파이프라인으로 추론시 표준화까지 처리됩니다. 포스트에서 사용하고 있는 스케일러인 StandardScaler 외에 RobustScaler, MinMaxScaler, Normalizer, QuantileTransformer, PowerTransformer 도 테스트를 통해 사용해보세요. 데이터셋에 따라 잘 동작하는 스케일러가 다릅니다. 테스트를 통해 스케일러를 적용 전후 또는 서로다른 스케일러 적용시 Optuna의 최적 파라미터값이 같을 수 있다는 것을 확인했습니다. 하지만 모델 추론시 차이가 발견되었습니다. 주의할 점은 데이터에 따라서는 이마저도 별차이가 없는 경우도 있습니다.2024. 7. 4..
Optuna를 사용하여 XGBoost의 최적 하이퍼 파라미터 구하는 예제코드입니다.2022. 03. 12 최초작성2024. 5. 292024. 7. 4import pandas as pdfrom sklearn.model_selection import train_test_splitfrom sklearn.metrics import accuracy_scorefrom xgboost import XGBClassifierimport optunafrom sklearn.datasets import load_irisRANDOM_SEED = 42# Iris 데이터셋 로드iris = load_iris()df = pd.DataFrame(data=iris.data, columns=iris.feature_names)df['la..