Naver BoostCamp AI Tech에서 학습한 내용을 재구성했습니다.
해당 게시글은 지속적으로 업데이트할 예정입니다.
구현 개요(PyTorch)
1. 데이터 준비
2. 모델 정의 (torch.nn.Module)
- Input size, Output size 정의 nn.Parameter
- Forward 연산 정의
- Backward 연산 정의
3. 하이퍼 파라미터 지정 Hyperparameter Tuning
4. 모델 평가 기준 및 Optimizer 설정
- 모델 평가 기준 : loss를 어떻게 계산할 것인가? 손실 함수(Loss Function)
- Optimizer 설정
5. 모델 학습
6. 모델 성능 평가
7. 추론
- AutoGrad 튜토리얼
- Tensor와 AutoGrad 튜토리얼
- Pytorch로 Linear Regression하기
- Pytorch로 Logistic Regression하기
- 한 epoch에서 이뤄지는 모델 학습 과정을 정리해보고 성능을 올리기 위해서 어떤 부분을 먼저 고려하면 좋을지 논의해보기
- 데이터 개선
- 모델 개선
- loss 개선
- optimizer 개선