AI/개념

개요 딥러닝을 포함한 머신러닝의 근원은 데이터다. 데이터의 수집, 가공, 사용 방법에 따라 모델 성능이 크게 달라지므로, 데이터를 올바르게 불러오는 것은 가장 중요한 단계 중 하나다. 이번 포스팅에서는 PyTorch에서 데이터를 불러오는 다양한 방법을 단계별로 살펴보고, 커스텀 데이터셋을 구현하는 방법까지 알아본다. 파이토치 제공 데이터 사용라이브러리 불러오기먼저 PyTorch와 이미지 관련 라이브러리, 데이터 처리를 위한 기타 라이브러리를 불러온다.import torch # 파이토치 기본 라이브러리 import torchvision # 이미지 관련 파이토치 라이브러리import torchvision.transforms a..

개요 본 글에서는 분류 모델의 성능 평가 도구인 혼동행렬에 대해 살펴본다. 혼동행렬의 정의와 구성 요소를 이해하고, 임계값의 필요성과 역할을 분석하며, 혼동행렬이 왜 중요한지, 그리고 이를 활용해 어떠한 성능 평가 지표를 도출할 수 있는지에 대해 설명한다. 혼동행렬의 정의혼동행렬(confusion matrix)은 분류 모델이 예측한 결과와 실제 정답을 비교하여 모델의 성능을 평가하는 도구이다. 혼동행렬은 보통 다음 네 가지 구성 요소로 이루어진다.  True Positive (TP): 실제로 긍정인 데이터를 모델이 긍정으로 올바르게 예측한 경우이다.False Positive (FP): 실제로 부정인 데이터를 모델이 긍정으로 잘못 예측한 경우이다.True Negative (TN): 실제로 부정인 데이터를 ..

개요인공 신경망을 최적화하는 과정에서 미분은 필수적인 요소이다. PyTorch는 이러한 최적화 과정인 역전파(backpropagation) 를 손쉽게 수행할 수 있도록 자동 미분(Automatic Differentiation) 기능을 제공한다. 이번 포스팅에서는 PyTorch에서 역전파를 사용하는 방법과 자동 미분의 기본 개념을 단계별로 살펴본다. 역전파란?역전파는 신경망의 가중치를 최적화하기 위해 손실 함수의 기울기를 계산하는 알고리즘이다. 이 과정에서 체인 룰(연쇄 법칙)을 사용하여 각 가중치에 대한 손실 함수의 미분값을 효율적으로 계산한다. PyTorch는 자동 미분 기능을 통해 이러한 계산을 자동으로 처리해준다. 자동 미분 준비하기자동 미분을 사용하기 위해서는 먼저 필요한 라이브러리를 불러오고, ..

개요텐서(Tensor)는 PyTorch에서 데이터를 표현하고 연산을 수행하는 핵심 단위이다. GPU를 활용한 고속 연산이 가능하며, Numpy 배열과 유사한 구조로 쉽게 다룰 수 있다. 이번 포스팅에서는 텐서의 생성부터 다양한 조작 방법까지 단계별로 살펴본다. 텐서 생성하기필요한 라이브러리 불러오기먼저 PyTorch와 Numpy 라이브러리를 불러온다.import torchimport numpy as np빈 텐서 생성torch.empty 함수를 사용하면 초기화되지 않은 텐서를 생성할 수 있다.x = torch.empty(5, 4) # 5x4 크기의 빈 텐서 생성print(x)다양한 텐서 생성 방법모든 요소가 1인 텐서ones_tensor = torch.ones(3, 3) # 3x3 크기의 모든 요소가 ..