[PyTorch] 簡単に素早く学ぶディープラーニング

안녕하세요. 올려주신 강의 열심히 보면서 공부중에 있습니다^^   Continual Learning 과 Transfer Learning 의 차이점을 혹시 알수 있을까요? 두가지 개념 모두 기존에 학습된 weight를

안녕

안녕 하세요 좋은 강의 듣고 있습니다. 문의 사항이 있습니다 학습시간을 줄이기 위해서 다음과 같이 하고 있습니다. 1. GPU 3xxx 구입하여 줄림 2.서버를 임대하여 줄임 위의 두 가지 방법은 전부

RNN의 cross_entropy를 적용해서 실행시켰는데 1D target tensor expected, mu

Mnist 데이터 실습에서 다음과 같은 코드 오류가 발생하는데 이유와 해결책을 알 수 있을지요? 그리고 캐글에서 직접 다운로드받은 데이터와 강의에서 사용되는 데이터가 약간 차이가 있는데 강의에 사용된 데이터를 별도로 다운로드 받을 수 있을

삭제된 글입니다

self.fc1 =nn.Linear(320,5

안녕하세요 이미지넷은 1000개의 클래스인걸로 알고있는데 model=models.resnet18(pretraine=True)하면 모델에서 어느 부분만 가져와서 어느부분 weight를 채워주는건가요? 이번 예시는 2개의 traget 값인데요

이해 되지 않으면 Resnet의 구조나 논문을 찾아보라고 하셨는데 애초에 make layer부분이 Resnet 구조의 어느 파트에 해당하는지 이해가 안가 질문드립니다. 가능하다면 해당 내용에 대해 참고할만한 글이나 논문에 대해 알려주시면 감사하겠습니다

weight sharing 설명하실 때 학습해야할 parameter수를 계산하면서 비교하셨는데학습해야할 parameter에 feature Map 또한 고려하셨는데 feature Map은 레이어에서 입력 또는 출력이 아닌가요?<br

BasicRNN의 forward함수에서 self.rnn(x, h_0)로부터 나온 아웃풋인 x[:,-1,:]를 h_t로 설정하셨는데, 여기서 [:,-1,:]이 무슨 의미인지 모르겠습니다. .size()함수를 이용하여 확인해봤더니 x가 [10

안녕하세요. 이전 질문(+ 주신 답변) 에 연결된 질문입니다. 해당 데이터로 테스트를 하고 싶은데, 다운로드 받은 데이터는 라벨이 붙어있어 어려울 것 같습니다.  이 경우 csv  파일의 첫 열(라벨 부분)만 삭제하면 될

안녕하세요. 드린 질문 관련해서 좀더 자세히 설명하지 못했던 점 죄송합니다. 아래와 같이 추가 설명 드립니다.  1) 강의명 [실습] MLP를 이용한 MNIST 숫자분류 2) 사용한 코드는 아래 사진과 같습니다.   3) 첫번째 질문은,

강의에 보면 테스트 데이터 셋은 라벨이 없는데, 제 테스트 데이터 셋은 라벨이 붙어있어요 ??  

안녕하세요. 동일한 데이터 셋을 사용했다 생각했는데, 강의에서 확인되는 데이터 형태와 저의 형태가 다른 것 같아 문의 드립니다. 이 때문에 다음 단계에서 에러가 나는 것 같아서요.  (저는 각 열이 1x1 형태로 나옵니다) 강의

안녕하세요. 수업을 듣고 있는 대학생입니다. 코드를 그대로 썼는데 에러가 나서요. 원인을 못찾겠습니다. <img src="https://cdn.inflearn.com/public/files/posts/153f99e7-1575-4e44-90

<img src="https://cdn.inflearn.com/public/files/posts/5959103b-2505-4887-a184-efc0360c796e

mac 사용자입니다. 아나콘다 설치 후, 가상환경 (inflearn)을 만들고,  jupyter notebook, torch, torchtext.. 설치를 완료했습니다.  발생한 문제는, jupyter notebook

LSTM을 공부하고 직접 구현해보고 느낀점은 예측 값이 실제 값보다 하나씩 밀리는 현상이 있는 것 같습니다. LSTM의 원리가 window안에 있는 데이터들을 학습하여 다음 step에 대한 예측값을 내놓는 원리가 맞나요?

Autoencoder에 대한 내용의 이해는 잘 된것 같습니다.더 나아가서 Autoencoder 수식을 직접 계산해보고 싶은데, 계산 과정에 대한 내용이 궁금합니다.