데이터 사이이언스 / AI 전문가가 되는 부담없는 첫 시작
자유게시판
파이토치 입문 강의 - Classification 강의 따라해봣는데 좀 이상하네요....
#
#
#
챕터 3: Pytorch Exercises - Regression 실습
여기 부분 코드 실습을 따라하고 있는데
일단 딥러닝 결과치가 매 학습마다 달라지긴 하는데
한 3번 실행하면 2번은 수렴을 재대로 못하고 있고
일단 코드 수행도 이전 실습과 다르게 GPU에서 코드 수행을 하지 않고 딥러닝 모델을 전부 CPU에서 돌리고 끝내네요...
이게 실습 데이터가 워낙 사이즈가 작아서 수렴을 못하는 건지 설계된 딥러닝 모델기가 좀 이상한건지 알 수가 없네요;;;
코드는 https://github.com/tbvjvsladla/metacodeM_pytorch_bootcamp/blob/main/tensor_4.ipynb 입니다.
음.. 앞서 수행한 Linear Regression 실습이랑, Logistic Regression실습에 사용된 데이터 셋이
딥러닝으로 문제 해결방법론을 적용하기에는 적절하지 않은 예제인건 알겟지만
조금 혼란스럽긴 합니다;;
안상훈12456623 등급 : 실버
답변
Re : 파이토치 입문 강의 - Classification 강의 따라해봣는데 좀 이상하네요....
안녕하세요 메타코드입니다.
공유해주신 코드를 확인한 결과 Classification 부분에서 질문을 주셨고, 주신 질문은 크게 두 가지로 이해했습니다.
1. 모델 학습 결과 : 돌릴때마다 결과가 다르고, 성능이 낮음
2. GPU 학습
아래와 같이 답변 드립니다.
1. 공유해주신 github 코드 상 정상 수행된 것으로 확인됩니다. 실습 촬영의 시간 관계 상 선택했던 예제 데이터셋의 크기가 크지 않고, 시드가 고정되어있지 않아서, 학습 결과가 수행하실때마다 달라질 수 있습니다. 이 부분을 해결하시려면 다음 실습(Computer Vision)에서 시드를 고정시키는 함수를 수행하시면 일관된 결과를 얻으실 수 있고, 시드를 변경하실 때마다 다른 결과를 출력할 수 있습니다.
학습 성능 자체가 Logistic Regression 모델 보다 좋지 않은 것도 뉴럴 네트워크를 학습시키기에 작은 데이터셋을 대상으로 했기 때문에 충분히 가능한 결과입니다. 학습 과정 및 평가에 대한 코드 위주로 공부해주시면 좋을 것 같습니다.
2. GPU 학습도 1.과 마찬가지로 작은 데이터셋 크기로 인해 GPU 학습 코드를 별도로 구성하지 않았습니다. GPU 학습은 이전 실습코드(Regression)나 이후의 실습코드에서 device를 선언하여 model.to(device) 의 방식으로 사용하는 부분을 참고해주시면 되겠습니다.