일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | |||
5 | 6 | 7 | 8 | 9 | 10 | 11 |
12 | 13 | 14 | 15 | 16 | 17 | 18 |
19 | 20 | 21 | 22 | 23 | 24 | 25 |
26 | 27 | 28 | 29 | 30 | 31 |
- 컴퓨터비전
- LSTM
- 파이썬
- torch.nn
- __call__
- segmentation
- 머신러닝
- 파이썬문법
- objectdetection
- CNN
- pychram
- DeepLearning
- ViT
- vsC
- vision transformer
- torch.nn.Module
- Anaconda
- __init__
- 가상환경
- python
- Torchvision
- torch
- tensorflow
- AI
- rnn
- 딥러닝
- pytorch
- NumPy
- Deep learning
- 가상환경구축
- Today
- Total
목록torch.nn (2)
인공지능을 좋아하는 곧미남
오늘은 torch.nn.Module.parameters(), named_parameters()를 이용하여 Deep Neural Network의 convolution layer의 parameters인 weight, bias를 추출해보겠습니다. 오늘의 내용은 아래와 같습니다. 1. torch.nn.Module.parameters() 설명 2. torch.nn.Module.named_parameters() 설명 제가 구성한 model은 아래 코드와 같습니다. - 구현 코드 - import torch import torch.nn as nn class CNN(nn.Module): def __init__(self, img_size, num_class): super(CNN, self).__init_..
오늘은 torch.nn.Module 패키지를 활용한 Deep Neural Network를 구축해보고, 내가 얻은 인사이트를 공유하겠습니다. 1. 저는 torch.nn.Module 패키지로 보통 클래스를 생성하는데, nn.Module을 기반클래스로 상속하여 파생클래스인 Model(CNN)을 생성하여 구축합니다. (여기선 CNN이라는 Class 명을 사용했습니다.) import torch import torch.nn as nn class CNN(nn.Module): def __init__(self, img_size, num_class): super(CNN, self).__init__() self.conv = nn.Sequential( nn.Conv2d(3, 32, 3, 1, 1), nn.LeakyReLU(0..