03_Pytorch_Linear_Regression

Colab으로 Pytorch 이용하기

1. Google에 Colab 검색 및 접속 - https://colab.research.google.com/
2. 런타임(상단바) → 런타임 유형 변경 → 하드웨어 가속기: GPU 설정
3. torch, torchvision 설치하기
   • !pip3 install torch
   • !pip3 install torchvision
4. import torch, import torchvision 선언

 

일반적으로 설치할때는 cuda 11.1 기준으로

conda install pytorch torchvision torchaudio cudatoolkit=11.1 -c pytorch -c conda-forge

위와 같이 cmd 창에 적어준다.

---

Colab 단축키

• Ctrl + M → B : 현재 셀 위치의 아래쪽에 셀 추가
• Ctrl + M → A : 현재 셀 위치의 위쪽에 셀 추가
• Ctrl + M → D : 현재 셀 삭제
• Ctrl + Enter : 현재 셀 실행
• Alt + Enter : 현재 셀을 실행 후 아래쪽에 셀 추가
• Shift + Enter : 현재 셀 실행 후 커서 아래쪽으로 이동

 

---

Colab 환경 구축을 완료 했으니 간단한 Pytorch 예제를 해보자.

 

학습 시킬 Hypothesis입니다.

오른쪽 그래프와 같이 x, y값들이 주어지고 이를 만족하는 W, b를 찾는 것입니다.

여기서 알맞은 값을 찾기 위해 W(weight)와 b(bias)를 학습을 시킬 것입니다.

 

 

 

1. FloatTensor를 이용하여 x, y값을 선언해줍니다.

---

 

 

2. 학습을 시켜주기 위한 W와 b도 선언을 해줍니다.

    torch.zeros(a, requires_grad=True): 0으로 채워진 a를 생성

    - requires_grad=True: 학습이 가능하게 설정

---

 

 

3. 우리의 예측값과 실제 값을 비교하기 위해 cost 함수 선언 - 즉, 예측값과 실제값과의 차이가 얼마나 나는지

---

 

 

4. 학습을 시키기 위해 SGD를 이용합니다. 

    - optimizer는 나중에 시간이 되면 자세한 설명을 올려야지...

---

 

5. 훈련 횟수(nb_epochs)는 1000번

 - optimizer.zero_grad(): optimizer를 초기화 시켜줍니다.

 - cost.backward(): cost를 W,b에 대해서 gradient 계산. - 역전파

 - optimizer.step(): gradient descent