[부스트캠프 AI-Tech] Day 10

📘 과제 1


  • Pytorch 공식문서

  • 인덱싱

    • torch.index_select (input, dim, index)
    • torch.gather (input, dim, index)
  • nn Linear Layers

    • nn.Linear: linear transformation 수행
    • nn.LazyLinear: 출력 크기만 지정, 입력 크기는 첫 forward 진행시 자동으로 확인하여 지정
    • nn.Identity: 입력과 출력이 동일하게 나옴
  • nn.Module

    • Container
      • nn.Sequential: 모듈들을 하나로 묶어 순차적으로 실행시키고 싶을 때
      • nn.ModuleList: 묶어놓은 모듈들을 원하는 것만 쓰고 싶을 때
      • nn.ModuleDict: 리스트에 담긴 모듈의 크기가 정말 커지면 인덱싱으로 찾기 어려워지므로 dict 형태로 저장
      • 기존 리스트나 dict 사용은 안될까??
        • 기존 데이터형들은 nn.Module의 submodule로 인식을 하지 못해 등록이 안된다.
    • Parameter
      • Tensor도 있는데 왜 쓸까??
        • 기능적으로는 동일하다. 하지만 Parameter로 지정하지 않으면 back propagation에서 gradient 값을 업데이트 해줄 때 업데이트 되지 않고, 모델을 저장할 때도 철저히 무시된다!
    • Buffer
      • parameter로 지정하지 않아서 값이 업데이트 되지 않는다 해도 저장하고 싶은 tensor는 buffer로 저장
  • hook

    • custom 코드를 중간에 실행시킬 수 있도록 만들어놓은 인터페이스
    • 프로그램의 실행 로직을 분석할 때 사용
    • 프로그램에 추가적인 기능을 제공하고 싶을 때 사용
  • Pytorch hook

    • Tensor에 적용하는 hook
      • register_hook으로 추가
    • Module에 적용하는 hook
      • register_***hook으로 등록
    • Module hook 종류
      • forward_pre_hook
      • forward_hook
      • backward_hook (거의 안씀)
      • full_backward_hook
      • state_dict_hooks (load_state_dict 함수가 내부적으로 사용)
  • apply

    • 적용할 함수를 입력으로 받고, 모델의 모든 sub 모듈에 적용시킨다.
    • 일반적으로 가중치 초기화에 많이 사용됨 (parameter로 지정한 tensor의 값을 원하는 값으로 지정??)



📘 과제 2


  • Dataset

    • torch.utils.data의 Dataset 클래스를 상속
    • 보통 init(초기화), len(최대 element 수), getitem(idx번째 데이터 반환) 메서드로 구성
  • DataLoader

    • 모델 학습을 위해서 데이터를 미니 배치 단위로 제공해주는 역할
    • dataset: 생성한 Dataset 인스턴스
    • batch_size: 배치 사이즈
    • shuffle: 데이터를 섞어서 사용하겠는지 설정
    • sampler, batch_sampler: index를 컨트롤하는 방법(shuffle=False)
      • SequentialSampler : 항상 같은 순서
      • RandomSampler : 랜덤, replacemetn 여부 선택 가능, 개수 선택 가능
      • SubsetRandomSampler : 랜덤 리스트, 위와 두 조건 불가능
      • WeigthRandomSampler : 가중치에 따른 확률
      • BatchSampler : batch단위로 sampling 가능
      • DistributedSampler : 분산처리 (torch.nn.parallel.DistributedDataParallel과 함께 사용)
    • num_workers: 데이터를 불러올 때 사용하는 서브 프로세스 개수
    • collate_fn: 데이터셋에서 sample list를 batch 단위로 바꾸기 위해 필요한 기능입니다. 데이터 사이즈 맞추기 위해 많이 사용 ref. https://www.coastalcreative.com/wp-content/uploads/2019/10/collated-not-collated-543x600.jpg
DataLoader(dataset, batch_size=1, shuffle=False, sampler=None,
           batch_sampler=None, num_workers=0, collate_fn=None,
           pin_memory=False, drop_last=False, timeout=0,
           worker_init_fn=None)
  • torchvision의 transform 함수

    • transforms.Resize
      • 이미지 사이즈 변환
    • transforms.RandomCrop
      • 이미지를 임의의 위치에서 자릅니다.
    • transforms.RandomRotation
      • 이미지를 임의의 각도만큼 회전
    • transforms.RandomHorizontalFlip or RandomVerticalFlip
      • 이미지를 입력된 확률만큼 상하 or 좌우 반전
  • Pytorch Dataset

    • MNIST (torchvision)
    • AG_NEWS (torchtext)

좋은 웹페이지 즐겨찾기