데이터를 불러오는 방법과 미니 배치 경사 하강법(Minibatch Gradient Descent)을 배워보자!1. 미니 배치, 배치 크기미니 배치가 필요한 이유# 전체 데이터를 하나의 행렬로 선언하여 훈련에 사용했었음x_train = torch.FloatTensor([[73, 80, 75], [93, 88, 93], [89, 91, 90], [96, 98, 100], [73, 66, 70]])y_train = torch.FloatTensor([[152], [185], [180], [196], [142]])앞..

1. 데이터에 대한 이해단순 선형 회귀 (Simple Linear Regression) : 1개의 x로 1개의 y를 예측 (지난 장에서 다룸)다중 선형 회귀 (Multivariable Linear Regression) : 여러 개의 x로 1개의 y를 예측ex) 3개의 퀴즈 점수 ⇒ 최종 평가 점수를 예측수식으로 표현하면 아래와 같음 $H(x) = w_1x_1 + w_2x_2 + w_3x_3 +b $ 2. 파이토치로 구현하기x_2, x_3과 w2, w3만 추가하면, 지난 시간과 동일한 방식(경사하강법)으로 구현 가능데이터 준비 & 가중치 초기화경사하강법 구현(지난 시간과 마찬가지로) 가중치 값이 갱신되면서 cost 줄어드는 것을 확인 가능 3. 벡터/행렬 연산으로 개선하기그런데, 위와 같이 훈련 데이터 텐..

1. 텐서(Tensor)란?1.1. 벡터, 행렬, 텐서딥러닝에서 다루는 가장 기본적인 단위 : 벡터, 행렬, 텐서스칼라(scalar) : 단일한 값 1개 벡터(vector) : 1차원으로 구성된 값의 배열행렬(matrix) : 2차원으로 구성된 값의 배열텐서(tensor) : 3차원 이상의 배열4차원 이상은 머리로 생각하기 어렵지만, 아래 그림처럼 그려볼 수는 있음4d-tensor : 3d-tensor를 위로 쌓아 올린 모습5d-tensor : 4d-tensor를 다시 옆으로 확장한 모습6d-tensor : 5d-tensor를 다시 뒤로 확장한 모습 1.2. 텐서의 크기딥러닝에서 행렬/텐서의 크기를 고려하는 것은 항상 중요함 ⇒ 2/3차원 텐서의 예시로 살펴보자기본적인 2차원 텐서전형적인 2차원 텐서의 ..