![]()
회사에서 사용하는 로직을 수정할 일이 생겨서 nvidia의 https://developer.nvidia.com/ko-kr/blog/torch-tensorrt%EB%A5%BC-%ED%86%B5%ED%95%B4-pytorch%EC%97%90%EC%84%9C-%EC%B6%94%EB%A1%A0-%EC%86%8D%EB%8F%84-%EC%B5%9C%EB%8C%80-6%EB%B0%B0-%ED%96%A5%EC%83%81%ED%95%98%EA%B8%B0/ Torch-TensorRT를 통해 PyTorch에서 추론 속도 최대 6배 향상하기 코드 한 줄로 추론 속도를 높여주는 NVIDIA TensorRT와 PyTorch의 새로운 통합인 Torch-TensorRT가 매우 기대됩니다. PyTorch는 오늘날 전 세계 수백만 명이..
* 패스트캠퍼스 수강, 요약 데이터->학습:[*모델->예측->비교->최적화] ->결과 데이터 학습시키기 위한 데이터. 전처리 들어감. 데이터가 제일 중요하다고 생각한다. 모델 설계하는 부분. 어떤 데이터가 들어왔을 때 잘 분류하는 특징을 찾아내서 클래스로 나눠줌 Prediction / Logit 각 클래스별로 예측한 값 이 중 가장 높은 값이 모델이 예상하는 클래스, 또는 정답이다. 저건 몇 퍼센트의 확률로 자동차야, 인간이야 .. Loss / Cost 예측한 값과 정답을 비교해서 얼마나 틀렸는지 확인. 얼마나 틀렸는지(Loss), 이 값을 최대한 줄이는 것이 학습의 과정임. Optimization Loss값을 최소화하기 위해 기울기를 받아 최적화된 Variable값들로 변환 이 반환값이 적용된 모델은 ..
백문이 불여일타 딥러닝 입문 읽고 정리 * 문제가 되면 언제든 삭제합니다 2장 살펴보기 2.1 머신러닝 프로세스 간략히 살펴보기 머신러닝 프로세스 : 문제 정의 및 데이터 준비하기 - 학습하기 - 추론 및 평가 - ? ?의 단계 : 다시 데이터를 준비하거나 다른 작업을 하거나. 데이터를 다루며 본인만의 프로세스를 구축하는 것은 중요하다 2.1.1 문제 정의 및 데이터 준비하기 명확한 문제 정의가 가장 중요한 시점 - 데이터가 숫자, 문자, 이미지, 오디오, 비디오 무엇인가 - 어떻게 해결할 것인가 문제가 정의되지 않으면 모델을 선택할 수 없다. 문제 해결을 위한 형태로 데이터를 변형하는 데이터 전처리 방법의 선택도 중요하다. 데이터가 파악되었다면 다음으로 모델을 선택해야한다. 2.1.2 학습하기 모델을 ..
