회원 로그인 창


로그인 메뉴

따끈따끈! 신착 전자책

더보기

  • Go 인 액션
  • Go 인 액션
    윌리엄 케네디,브라이언 케텔슨,에릭 ... | 제이펍
콘텐츠 상세보기
파이토치 첫걸음


SMART
 

파이토치 첫걸음

두세교 저/김완섭 역 | 제이펍

출간일
2020-03-26
파일형태
PDF
용량
8 M
지원 기기
PC
대출현황
보유1, 대출0, 예약중0
콘텐츠 소개
목차
한줄서평

콘텐츠 소개

정말정말 쉽게 시작하는 파이토치&딥러닝 입문!

고도의 기술을 배운다고 해서 그 시작도 어려워야만 할까? 이 책은 미간 찌푸리지 않고 부담 없이! 마음 편히! 임할 수 있는 파이토치 입문용 최강 서적이다. 학습을 위한 자세한 예제는 물론이고 자칫 어려워서 등돌리게 될 수 있는 수식 투성이 구성은 최대한 배제하여 초보자를 더욱 배려하였다. 책 내용에 따라 직접 파이토치 실습을 하다 보면 어느새 파이토치와 딥러닝의 높은 문턱을 넘어선 자신을 발견할 수 있을 것이다.

목차

PROLOGUE 개발 환경 준비 1
0.1 이 책의 검증 환경 2
0.1.1 OS 환경: 우분투 16.04 2
0.1.2 엔비디아의 GPU 2
0.1.3 클라우드에서 GPU를 탑재한 인스턴스 실행하기 3
0.2 개발 환경 구축 5
0.2.1 미니콘다 설치 5
0.2.2 가상 환경 구축 7

CHAPTER 1 파이토치의 기본 11
1.1 파이토치의 구성 12
1.1.1 파이토치의 전반적인 구성 12
1.2 텐서 13
1.2.1 텐서 생성과 변환 13
1.2.2 텐서의 인덱스 조작 15
1.2.3 텐서 연산 16
1.3 텐서와 자동 미분 20
1.4 정리 22

CHAPTER 2 최대 우도 추정과 선형 모델 23
2.1 확률 모델과 최대 우도 추정 24
2.2 확률적 경사 하강법 26
2.3 선형 회귀 모델 28
2.3.1 선형 회귀 모델의 최대 우도 추정 28
2.3.2 파이토치로 선형 회귀 모델 만들기(직접 만들기) 30
2.3.3 파이토치로 선형 회귀 모델 만들기(nn, optim 모듈 사용) 32
2.4 로지스틱 회귀 35
2.4.1 로지스틱 회귀의 최대 우도 추정 35
2.4.2 파이토치를 사용한 로지스틱 회귀 분석 36
2.4.3 다중 분류를 위한 로지스틱 회귀 분석 40
2.5 정리 42

CHAPTER 3 다층 퍼셉트론 43
3.1 MLP 구축과 학습 44
3.2 Dataset과 DataLoader 48
3.2.1 Dataset과 DataLoader 48
3.3 학습 효율화 팁 50
3.3.1 Dropout을 사용한 정규화 50
3.3.2 Batch Normalization를 사용한 학습 가속 53
3.4 신경망의 모듈화 55
3.4.1 자체 신경망 계층(커스텀 계층) 만들기 55
3.5 정리 57

CHAPTER 4 이미지 처리와 합성곱 신경망 59
4.1 이미지와 합성곱 계산 60
4.2 CNN을 사용한 이미지 분류 62
4.2.1 Fashion-MNIST 62
4.2.2 CNN 구축과 학습 65
4.3 전이 학습 69
4.3.1 데이터 준비 72
4.3.2 파이토치를 사용한 전이 학습 75
4.4 CNN 회귀 모델을 사용한 이미지 해상도 향상 80
4.4.1 데이터 준비 80
4.4.2 모델 작성 83
4.5 DCGAN을 사용한 이미지 생성 89
4.5.1 GAN이란 89
4.5.2 데이터 준비 90
4.5.3 파이토치를 사용한 DCGAN 91
4.6 정리 101

CHAPTER 5 자연어 처리와 순환 신경망 103
5.1 RNN이란? 104
5.2 텍스트 데이터의 수치화 106
5.3 RNN과 문장 분류 109
5.3.1 IMDb 리뷰 데이터 109
5.3.2 신경망 정의와 훈련 113
5.3.3 가변 길이 계열 처리 118
5.4 RNN을 사용한 문장 생성 121
5.4.1 데이터 준비 122
5.4.2 모델 정의 및 학습 124
5.5 인코더-디코더 모델을 사용한 기계 번역 129
5.5.1 인코더-디코더 모델이란 130
5.5.2 데이터 준비 131
5.5.3 파이토치를 사용한 인코더-디코더 모델 135
5.6 정리 142

CHAPTER 6 추천 시스템과 행렬 분해 143
6.1 행렬 인수분해 144
6.1.1 이론적 배경 144
6.1.2 MovieLens 데이터 145
6.1.3 파이토치에서 행렬 인수분해하기 147
6.2 신경망 행렬 인수분해 151
6.2.1 행렬 인수분해를 비선형화 151
6.2.2 부속 정보 이용 153
6.3 정리 160

CHAPTER 7 애플리케이션 적용 161
7.1 모델 저장과 불러오기 162
7.2 플라스크를 사용한 웹 API화 164
7.3 도커를 이용한 배포 173
7.3.1 nvidia-docker 설치 174
7.3.2 파이토치의 도커 이미지 작성 175
7.3.3 웹 API 배포 176
7.4 ONNX를 사용한 다른 프레임워크와의 연계 179
7.4.1 ONNX란 179
7.4.2 파이토치 모델 엑스포트 181
7.4.3 Cae2에서 ONNX 모델 사용하기 183
7.4.4 ONNX 모델을 Cae2 모델로 저장 184
7.5 정리 186

APPENDIX A 훈련 상태 가시화 187
A1.1 텐서보드를 사용한 가시화 188

APPENDIX B 컬래버레터리로 파이토치 개발 환경 구축 193
B1.1 컬래버레터리를 사용한 파이토치 개발 환경 구축 방법 194
B1.1.1 컬래버레터리란 194
B1.1.2 장비 사양 194
B1.1.3 파이토치 환경 구축 195
B1.1.4 데이터 처리 201

한줄서평

  • 10
  • 8
  • 6
  • 4
  • 2

(한글 300자이내)
리뷰쓰기
한줄 서평 리스트
평점 한줄 리뷰 작성자 작성일 추천수

등록된 서평이 없습니다.