anonymous?

학습 위한 장치 얻기GPU 또는 MPS 같은 하드웨어 가속기에서 모델 학습`torch.cuda` 또는 `torch.backends.mps` 사용 가능한지 확인하고, 그렇지 않으면 CPU 사용if torch.cuda.is_available(): DEVICE = torch.device('cuda') elif torch.backends.mps.is_available(): DEVICE = torch.device('mps') else: DEVICE = torch.device('cpu') print('PyTorch version: ', torch.__version__, ', Device: ', DEVICE)transform = transforms.Compose( [transforms.ToTensor(), trans..

PROGRAMMING/AI 2023. 8. 7. 11:17

import torch from torch.utils.data import Dataset from torchvision import datasets from torchvision.transforms import ToTensor import matplotlib.pyplot as plt 장치 얻기 # Check Device if torch.cuda.is_available(): DEVICE = torch.device('cuda') # use GPU else: DEVICE = torch.device('cpu') # use CPU print('Using PyTorch Version: ', torch.__version__, ', Device: ', DEVICE) GPU 또는 MPS 같은 하드웨어 가속기에서 모델 학..

PROGRAMMING/AI 2023. 8. 6. 16:42

Markov Chain Markov 성질을 갖는 이산 확률 과정 Markov 성질: 특정 상태의 확률($t-1$)은 현재 상태($t$)에만 의존한다. 이산 확률 과정: 이산적 시간(0초, 1초, …) 속 확률적 현상 Diffusion model 분류: 생성 모델 학습된 모델의 패턴을 생성 패턴 생성 과정 학습 위해 고의로 패턴을 무너뜨리고(noising)(diffusion process), 이를 다시 복원하는 조건부 PDF를 학습(denoising)(reverse process) 학습 목표: reverse process $p_{\Theta}(X_{t-1} | X_t)$를 $q(X_{t-1} | X_t)$로 approximate하도록 학습하는 것 1. forward process (diffusion pro..

PROGRAMMING/AI 2023. 7. 28. 17:04

텐서(TENSOR) 배열(array)이나 행렬(matrix)과 유사한 특수한 자료구조 PyTorch에서는 텐서를 사용해서 모델의 입력(input)과 출력(output), 모델 매개변수들을 부호화(encode)함 GPU나 다른 하드웨어 가속기에서 실행 가능 텐서와 Numpy 배열은 동일한 내부(underly) 메모리를 공유할 수 있어 데이터를 복사할 필요없음 자동 미분(automatic differentiation)에 최적화됨 Dependency 추가 import torch import numpy as np 텐서(tensor) 초기화 1. 데이터로부터 직접(directly) 생성하기 data = [[1,2], [3,4]] x_data = torch.tensor(data) print(x_data) tenso..

PROGRAMMING/AI 2023. 7. 10. 23:24