09_Pytorch_Softmax_Classifier MNIST

MNIST DataSet을 다뤄보겠습니다.

MNIST DataSet

• training set images: 60,000 장
• training set labels: 0~9 중 숫자
• test set images: 10,000 장
• test set labels: 0~9 중 숫자

이제 60,000장의 traning DataSet를 이용해 학습을 진행한 후

test set images를 이용해 학습이 잘 됐는지 확인하겠습니다.

---

먼저 Colab에 MNIST DataSet을 불러오도록 하겠습니다.

구글 드라이브에 데이터를 직접 다운받아 불러올 수도 있지만

MNIST란 데이터가 워낙 유명하다보니 굳이 드라이브에 저장을 하지 않고도 사용할 수 있습니다.

그리고 불러올 수 있는 방법도 여러가지가 있습니다.

첫번째 방법, sklearn 사용하기

두번째 방법, keras 사용하기

세번째 방법, torchvision 사용하기

위의 세가지 방법중 하나를 골라 사용하면 됩니다.

저는 세번째 방법인 torchvision을 이용하여 진행하겠습니다.

---

불러온 데이터를 편하게 사용하기 위해 DataLoader를 사용하겠습니다.

torch.utils.data.DataLoader(데이터셋, batch_size, 데이터를 섞는다면 True, drop_last)

여기서 drop_last는 60,030개의 데이터가 있고 batch_size 100이 있다고 가정을 합니다.

60,030 / 100을 진행하면 30이라는 데이터가 남게 되는데

True로 할시 30개의 데이터를 사용하지 않고, False로 할시 나머지의 데이터도 사용하게 됩니다.

 

---

DataLoader를 통해 사용하기 쉽게 만들어 줬다면 이제 학습을 시작하겠습니다.

일단 device를 정의해주도록 하겠습니다.

device를 정의해주어 GPU를 사용할 수 있는 환경을 만들어줍니다.

 

linear = torch.nn.Linear(784, 10, bias = true).to(device)

우리가 사용하는 mnist의 train dataset은 (60000, 28, 28)입니다.

하지만 Linear에는 입력 차원이 (x, y)이기 때문에

(28 * 28, 10)으로 맞춰줍니다.

input은 784, output은 0~9 총 10개의 label이 있기때문에 10

※ 후에 cnn에서는 (60000, 28, 28) 그대로 사용할 수 있다.