파이토치 - MLP 구축과 학습

 

 

 

 

1) 손글씨 문자를 판별하는 MLP 작성

 

# 라이브러리 불러오기 import torch from torch import nn

# 네트워크 구성 net = nn.Sequential(     nn.Linear(64, 32),     nn.ReLU(),     nn.Linear(32, 16),     nn.ReLU(),     nn.Linear(16, 10) )

 

 

 

2) 손글씨 문자 데이터의 학습 코드의 나머지 부분

 

# 라이브러리 및 데이터 불러오기 import torch from torch import nn, optim from sklearn.datasets import load_digits digits = load_digits()
# 독립변수, 종속변수 분리 X = digits.data Y = digits.target
# Numpy의 ndarray를 파이토치의 텐서로 변환 X = torch.tensor(X, dtype=torch.float32) Y = torch.tensor(Y, dtype=torch.int64)
# 소프트맥스 크로스 엔트로피 loss_fn = nn.CrossEntropyLoss()
# Adam optimizer = optim.Adam(net.parameters())
# 손실 함수의 로그 losses = []
# 100회 반복 for epoc in range(100):   # backward 메서드로 계산된 이전 값을 삭제   optimizer.zero_grad()     # 선형 모델로 y의 예측 값 게산   y_pred = net(X)     # MSE loss와 w를 사용한 미분 계산   loss = loss_fn(y_pred, Y)   loss.backward()     # 경사를 갱신   optimizer.step()     # 수령 확인을 위해 loss를 기록해 둔다.   losses.append(loss.item())   print(loss.item())

 

 

 

3) to 메서드를 이용해 GPU로 전송

 

X = X.to("cuda:0") Y = Y.to("cuda:0") net.to("cuda:0") # 이후 처리는 동일하게 optimizer를 설정해서 학습 루프를 돌린다.