[PyTorch로 시작하는 딥러닝 기초] Lab-10-2 Mnist CNN

edwith의 [파이토치로 시작하는 딥러닝 기초] Lab-10-2 Mnist CNN 강의를 정리했습니다. 잘못된 부분이 있으면 말씀해 주세요!

 

[LECTURE] Lab-10-2 Mnist CNN : edwith

---

학습 단계 (코드 기준)

1. 라이브러리 가져오고 (torch, torchvision, matplotlib 같은것들)

2. GPU 사용 설정 하고 random value를 위한 seed 설정!

3. 학습에 사용되는 parameter 설정!(learning_rate, training_epochs, batch_size, etc)

4. 데이터셋을 가져오고 (학습에 쓰기 편하게) loader 만들기

5. 학습 모델 만들기( class CNN(torch.nn.Module) )

6. Loss function (Criterion)을 선택하고 최적화 도구 선택(optimizer)

7. 모델 학습 및 loss check(Criterion의 output)

8. 학습된 모델의 성능을 확인한다.

---

직접 실습할 CNN 구조

 

---

CNN 구조 확인하기

---

import torch
import torch.nn as nn
inputs = torch.Tensor(1, 1, 28, 28) //batch size, channel, height, width
inputs.shape
>> torch.Size([1, 1, 28, 28])

conv1 = nn.Conv2(1, 32, 3, padding = 1) 
pool = nn.MaxPool2d(2)
>> MaxPool2d(kernel_size=2, padding=0, dilation=1,ceil_mode=False)

conv2 = nn.Conv2d(32, 64, 3, padding=1)
out = conv1(inputs)
out.shape
>> torch.Size([1, 32, 28, 28])

out = pool(out)
out.shape
>> torch.Size([1, 32, 14, 14])

out = conv2(out)
out.shape
>> torch.Size([1, 64, 14, 14])

out = pool(out)
out.shape
>> torch.Size([1, 64, 7, 7])

  

---

view 확인하기

---

out.size(0)
>> 1
out.size(1)
>> 64
out.size(2)
>> 7
out.size(3)
>> 7


out = out.view(out_size(0), -1)
out.shape
>> torch.Size([1, 3136])

fc = nn.Linear(3136, 10)
out = fc(out)
out.shape
>> torch.Size([1, 10]) //Batch size에 맞게 10개 나옴

---

---

주피터 노트북에서 구현한 코드는 <모두를 위한 딥러닝 시즌2>의 Github에서 확인하실 수 있습니다.

deeplearningzerotoall/PyTorch

 

파라미터 수와 레이어별  input / output 크기 개념은 <TAEWAN.KIM 블로그>에도 잘 설명되어 있습니다. 

CNN, Convolutional Neural Network 요약