Data Science/Deep Learning 검색 결과
14 개의 검색 결과가 있습니다.
Data Science/Deep Learning

PyTorch : NLP Part 1 | Getting Started with Natural Language Processing using PyTorch

Introduction: Natural Language Processing (NLP) is a field of Artificial Intelligence (AI) that deals with the interaction between humans and computers using natural language. NLP is used to enable computers to understand, interpret, and manipulate human language. In this blog post, we will learn how to use PyTorch, a popular deep learning library, to build NLP models. We will start with a brief..

2023. 3. 17. 02:07
Data Science/Deep Learning

PyTorch : #5 Mastering Transfer Learning with PyTorch: A Comprehensive Guide

Deep learning models have achieved impressive performance on various tasks such as image classification, object detection, and natural language processing. However, these models require a large amount of data and computational resources to train, making it challenging for individuals and organizations with limited resources to build these models from scratch. Transfer learning offers a solution ..

2023. 3. 15. 04:24
Data Science/Deep Learning

[Intro to Deep Learning] Dropout and Batch Normalization

Summary * 신경망의 최적화 보조 수단인 두가지를 레이어에 대해서 알아본다. * 첫번째는 과적합(Overfitting) 완화하는 Dropout * 두번째는 불안정(Unstable)하거나 느린(Slow) 학습을 보완하는 Batch Normalization Dropout 신경망 학습 과정에서 가짜 패턴(또는 불필요한 정보) 때문에 과적합(Overfitting)이 발생한다. 이는 훈련 데이터의 패턴이 너무 구체적이기 때문에 취약한 경우가 있다. 과적합(Overfitting)을 완화하기 것이 Dropout 이다. Dropout은 훈련 단계마다 Layer의 입력 단위 중 일부를 무작위로 삭제한다. 신경망이 훈련 데이터에서 가짜 패턴을 학습하는 것이 어려워진다. 대신, Weight 패턴은 더 강한 경향성을 지..

2023. 3. 13. 02:59
Data Science/Deep Learning

[NLP] 자연어 작업 종류

자연어 태스크 텍스트 분류는 텍스트 조각을 미리 정의된 여러 클래스 중 하나로 분류할 때 사용합니다. 대표적인 예는 이메일 스팸 검색, 뉴스 분류, 지원 요청을 특정 범주에 할당하는 작업입니다. 의도 분류 는 대화형 AI 시스템의 입력 발언을 문구의 실제 의미 또는 사용자의 의도를 나타내는 의도 중 하나에 매핑하는 텍스트 분류의 대표적인 사례입니다. 감정 분석은 회귀 작업으로, 지정된 텍스트의 부정성 정도를 이해하는 작업입니다. 데이터 세트의 텍스트에 가장 부정적인 텍스트(-1)에서 가장 긍정적인 텍스트(+1)를 레이블로 지정하고, 텍스트의 여러 "긍정성"을 출력하는 모델을 훈련하려 합니다. 명명된 엔터티 인식(NER)은 날짜, 주소, 사람 이름 등과 같은 텍스트에서 일부 엔터티를 추출하는 작업입니다. ..

2023. 3. 4. 13:56
Data Science/Deep Learning

PyTorch : #4 Building Neural Network

Neural networks are a powerful machine learning tool used in a variety of applications such as image recognition, natural language processing, and robotics. PyTorch is a popular deep learning library that provides a flexible and efficient platform for building and training neural networks. In this tutorial, we'll go over the basics of creating a neural network in PyTorch, including defining the ..

2023. 2. 25. 03:06
Data Science/Deep Learning

PyTorch : #3 DataSet and DataLoader

Deep learning models require large amounts of data for training, and organizing this data can be a complex task. PyTorch provides the DataSet and DataLoader classes to help with this task. In this blog post, we will go over how to use these classes to build custom datasets and dataloaders for deep learning models. DataSet The DataSet class is a PyTorch class that represents a dataset. It provide..

2023. 2. 25. 01:45
Data Science/Deep Learning

PyTorch : #2 Autograd

Autograd is a key feature of PyTorch that enables automatic differentiation of tensors. It is a define-by-run framework, which means that the computation graph is defined on-the-fly as the code runs. This is in contrast to define-and-run frameworks like TensorFlow, which define the computation graph beforehand and then execute it. Automatic Differentiation In machine learning, we often need to c..

2023. 2. 23. 00:00
Data Science/Deep Learning

PyTorch : #1 Tensors

Introduce to Tensors in PyTorch Tensors are the basic building blocks of data in PyTorch. They are multi-dimensional arrays, similar to NumPy arrays, but with some additional features that make them especially useful for deep learning applications. In this post, we will cover the basics of tensors, including their creation, manipulation, and some important operations that can be performed on the..

2023. 2. 22. 03:50
Data Science/Deep Learning

Image Generate AI Testing

요즘 ChatGTP가 큰 화제인 상황이라 AI 관련 자료를 살펴보다가 AI가 생성한 이미지의 퀄리티보고 깜짝놀라 살펴보게 되었습니다. 이미지 생성 분야에서 유명한 Stable-Diffusion을 Fine Tunning한 모델의 퀄리티 위주로 살펴보았습니다. Install 'stable-diffusion-webui' Install Python 3.10.6 Install git. Download the stable-diffusion-webui git repository. git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui.git. Place stable diffusion checkpoint (model.ckpt) in the models/St..

2023. 2. 14. 02:57
Data Science/Deep Learning

[Intro to Deep Learning] Underfitting and Overfitting

Summary 1. 학습 곡선을 해석하는 방법과 모델 개발의 가이드를 살펴본다. 2. 학습 곡선에서 Overfitting과 Underfitting의 파악하고, 이를 개선하는 전략을 살펴본다. 보다 나은 이해를 돕기 위해 이전 포스팅을 읽어보는 것을 권장합니다. [Intro to Deep Learning] 1.A Single Neuron 2.Deep Neural Networks 3.MAE, Stochastic Gradient Descent Interpreting Learning Curves (학습 곡석의 해석하기) [사전 지식] 훈련 데이터의 정보는 Signal과 Noise의 두 종류가 있다. Signal은 만들고자하는 모델이 새로운 데이터를 예측하는데 도움이 되는 정보이다. Noise는 불규칙적인 변동(..

2022. 9. 15. 02:45
반응형
반응형