본문 바로가기

Deep Learning

(6)

LSTM(Long Short-Term Memories model) 구현 파이토치를 이용하여 LSTM(Long Short-Term Memories model)을 구현할 것이다. 사용될 데이터는 아마존의 주가로 종가와 거래량을 이용하여, 일주일 뒤의 종가를 예측하는 것이 목적이다. 데이터는 여기(www.kaggle.com/camnugent/sandp500)에서 얻을 수 있다. 데이터구현 과정은 다음과 같다. 1. 데이터 전처리 2. 모델 설정 3. 모델 학습 4. 학습 결과 1. 데이터 전처리 In: import pandas as pd from numpy import array from numpy import hstack import matplotlib.pyplot as plt import torch def min_max_scaler(arr): min_arr = min(arr)..

순환 신경망(Recurrent Neural Network) 구현 파이토치를 이용하여 순환 신경망(Recurrent Neural Network)를 구현할 것이다. 구현 과정은 다음과 같다. 1. 데이터 전처리 2. 모델 설정 3. 모델 학습 4. 학습 결과 1. 데이터 전처리 In: import torch import torch.nn as nn import torch.optim as optim import numpy as np string = "To climb steep hills requires a slow pace at first." chars = "ABCDEFGHIJKLMNOPQRSTUVWXYZabcdefghijklmnopqrstuvwxyz ?!.,:;'01" char_list = [i for i in chars] n_letter = len(chars) def s..

합성곱 신경망(Convolutional Neural Network) 구현 MNIST 데이터의 손글씨로 적힌 숫자 이미지를 분류하는 다중 분류(Multiclass classification) 문제를 다룰 것이다. 앞의 포스팅 "[Model] 01. 인공신경망(Artificial Neural Network) 구현"과 중복되는 내용에 대해 다루지 않을 것이다. 필요하면 다음 링크를 통해 참고하도록 하자. [Model] 01. 인공신경망(Artificial Neural Network) 구현 MNIST 데이터의 손글씨로 적힌 숫자 이미지를 분류하는 다중 분류(Multiclass classification) 문제를 다룰 것이다. 데이터는 여기(https://www.kaggle.com/c/digit-recognizer)에서 얻을 수 있다. 파이토치를 이.. rooney-song.tisto..

인공신경망(Artificial Neural Network) 구현 MNIST 데이터의 손글씨로 적힌 숫자 이미지를 분류하는 다중 분류(Multiclass classification) 문제를 다룰 것이다. 데이터는 여기(https://www.kaggle.com/c/digit-recognizer)에서 얻을 수 있다. 파이토치를 이용하여 인공신경망(Artificial Neural Network)을 구현할 것이다. 구현 과정은 다음과 같다. 1. 데이터 입력 및 확인 2. 데이터 전처리 3. 모델 설정 4. 데이터 학습 및 검증 1. 데이터 입력 및 확인 In: import numpy as np import pandas as pd from sklearn.model_selection import train_test_split import torch import torch.nn ..

자동 미분(Automatic differentiation) 사용법 파이토치의 자동 미분(Auto differentiation)을 이용한 변화도(Gradient) 계산 방법을 알아볼 것이다. 다룰 내용은 다음과 같다. 1. 자동 미분 준비 2. 변화도 계산 1. 자동 미분 준비 In: import torch x = torch.ones(2, 2, requires_grad = True) print(x) Out: tensor([[1., 1.], [1., 1.]], requires_grad=True) ▷ torch.ones()에 텐서 크기에 대한 인자와 requires_grad 인자를 주어 텐서를 생성하였다. 결과 창에 requires_grad=True가 나타난 것을 볼 수 있는데, 이는 이후 역전파 과정을 수행 후, 해당 텐서의 변화도를 구할 수 있도록 한다. In: y = ..

텐서(Tensor) 사용법 파이토치의 텐서(Tensor)의 사용법에 대해 알아보자. 다룰 내용은 다음과 같다. 1. 텐서의 생성 2. 텐서의 연산 3. 텐서의 변환 1. 텐서의 생성 In: import torch x = torch.rand(5, 3) print(x) Out: tensor([[0.1501, 0.8814, 0.4848], [0.0723, 0.9468, 0.1327], [0.8581, 0.8050, 0.4441], [0.4888, 0.0157, 0.6959], [0.9666, 0.4729, 0.1983]]) ▷ torch.rand()를 이용하여 0과 1 사이의 임의의 수가 원소인 5×3 행렬이 만들었다. 함수 안의 두 인자는 행과 열을 나타낸다. In: x = torch.rand(5, 3, 3) print(x) Out:..

이전 1 다음

티스토리툴바