첫 학습 루프 작성하기

PyTorch로 배우는 딥러닝 입문

Jasmin Ludolf

Senior Data Science Content Developer, DataCamp

신경망 학습

모델 생성
손실 함수 선택
데이터셋 정의
옵티마이저 설정
학습 루프 실행:
- 손실 계산(순전파)
- 그래디언트 계산(역전파)
- 모델 파라미터 업데이트

Data Science Salary 데이터셋 소개

 experience_level  employment_type  remote_ratio  company_size  salary_in_usd  
        0                0               0.5             1            0.036 
        1                0               1.0             2            0.133     
        2                0               0.0             1            0.234  
        1                0               1.0             0            0.076  
        2                0               1.0             1            0.170

피처: 범주형, 타깃: 연봉(USD)
최종 출력: 선형 레이어
손실: 회귀용

평균제곱오차(MSE) 손실

MSE 손실은 예측과 정답의 제곱 오차의 평균입니다

def mean_squared_loss(prediction, target):
  return np.mean((prediction - target)**2)

PyTorch에서는:

criterion = nn.MSELoss()
# Prediction and target are float tensors
loss = criterion(prediction, target)

학습 루프 전에

# Create the dataset and the dataloader
dataset = TensorDataset(torch.tensor(features).float(),
                        torch.tensor(target).float())


dataloader = DataLoader(dataset, batch_size=4, shuffle=True)


# Create the model
model = nn.Sequential(nn.Linear(4, 2), 
                      nn.Linear(2, 1))


# Create the loss and optimizer
criterion = nn.MSELoss()
optimizer = optim.SGD(model.parameters(), lr=0.001)

학습 루프

for epoch in range(num_epochs):

    for data in dataloader:

        # Set the gradients to zero
        optimizer.zero_grad()

        # Get feature and target from the data loader
        feature, target = data

        # Run a forward pass
        pred = model(feature)
        # Compute loss and gradients
        loss = criterion(pred, target)
        loss.backward()

        # Update the parameters
        optimizer.step()

연습해 봅시다!

PyTorch로 배우는 딥러닝 입문