Important CODE

• 선형 회귀 모델 구축

  import torch.nn as nn
  model = nn.Linear(input_dim, output_dim)
  model.parameters()
  

  • 실행문 1은 입력의 차원, 출력의 차원을 인수로 받음
  • 실행문 2는 모델에 저장된 가중치와 편향을 가져옴

• 코드 요약

  • H(x) 식에 입력 x로부터 예측된 y를 얻는 것 → forward 연산

  • 학습 전, prediction = model(x_train)은 x_train으로부터 예측값을 리턴하기에 forward 연산

  • 학습 후, pred_y = model(new_var)는 임의의 값 new_var로부터 예측값을 리턴하기에 forward 연산

  • 학습 과정에서 비용 함수를 미분하여 기울기를 구하는 것 → backward 연산

  • cost.backward( )는 비용 함수로부터 기울기를 구하라는 의미이기에 backward 연산

• Learning Rate

  • 1e-5 = 0.00001
  • 0.01로 하지 않는 이유는 기울기가 발산하기 때문

모델을 클래스로 구현하기

• 선형 회귀 클래스 구현

  # Before
  model = nn.Linear(1, 1)
  
  # After(Class)
  class LinearRegressionModel(nn.Module):
      def __init__(self):
          super().__init__()
          self.linear = nn.Linear(1, 1)
  
      def forward(self, x):
          return self.linear(x)
          
  model = LinearRegressionModel()
  

  • 클래스 형태의 모델은 nn.Module을 상속받음
  • init( )에서 모델의 구조와 동작을 정의하는 생성자를 정의
    • 파이썬에서 객체가 갖는 속성값을 초기화하는 역할, 객체가 생성될 때 자동으로 호출됨
  • super( ) 함수를 부르면 여기서 만든 클래스는 nn.Module 클래스의 속성들을 가지고 초기화됨
  • forward( ) 함수는 모델이 학습 데이터를 입력 받아 forward 연산을 진행하는 함수
    • model 객체를 데이터와 함께 호출하면 자동으로 실행

• 다중 선형 회귀 클래스 구현

  class MultivariateLinearRegressionModel(nn.Module):
      def __init__(self):
          super().__init__()
          self.linear = nn.Linear(3, 1)
  
      def forward(self, x):
          return self.linear(x)
          
  model = MultivariateLinearRegressionModel()
  

CODE

Learn-PyTorch/04_nnModule_Class.ipynb at main · CodeSensory/Learn-PyTorch