[파이토치 딥러닝 마스터] 1장 딥러닝과 파이토치 라이브러리 소개

• 딥러닝이 바꾼 머신러닝 접근 방식
• 파이토치가 딥러닝에 최적인 이유
• 대표 딥러닝 프로젝트 살펴보기
• 예제 실습에 필요한 하드웨어 사양

# 머신러닝에서는 피처 엔지니어링에 크게 의존함
피처 엔지니어링(Feature Engineering) : 새로운 데이터를 기반으로 올바른 결과물을 낼 수 있도록 입력 데이터를 변환하는 작업
-> 손글씨 숫자를 구분하기 위해선 이미지 테두리선 분포를 추정하는 필터 집합을 구성해야함

# 딥러닝은 원본 데이터로부터 자동으로 표현을 찾아냄
-> 0,1을 구분하기 위해 필터는 데이터와 대응 레이블을 반복적으로 훈련시키고 자동으로 결과가 개선됨

데이터, 딥러닝 머신, 원하는 출력 결과

훈련(training) : 기대한 값과 실제 모델 결과 출력의 차이를 점수로 제공하고 기준을 만든다. 점수가 낮을수록 좋음 (loss)

---

파이토치 : 딥러닝 프로젝트를 위한 파이썬 프로그램 라이브러리
처음 프로그래밍을 배울 때 파이썬이 있다면, 딥러닝을 배우는데에는 파이토치
- 명확한 문법, 현대적인 API, 쉬운 디버깅
- 텐서(tensor) : 넘파이 배열과 유사한 다차원 배열이며, 수학 연산이 빠르게 수행됨

파이토치를 이용하는 이유
1. 단순함
2. 산술 최적화

텐서플로우+케라스 : 사용자가 먼저 연산 그래프 정의 후 실행

1. 라이브러리 torch 모듈 제공 (다차원 배열 텐서)
2. CPU -> GPU 연산 옮길때 함수 호출 제공
3. 특정 텐서에서 수행한 모든 연산 기억 후 주어진 입력값을 기준으로 미분값을 자동 계산함
4. 자동 미분 엔진 텐서 사용
5. torch.nn 핵심 모듈

 

---