2021.08.17 - [Week 3] Day 1. 거북이

복습을 통해 몰랐던 것들을 다시 정리하게 되었고 내용의 흐름을 파악할 수 있었다.
하지만 어려운 내용이 계속 쌓이다 보니 아직 갈 길이 멀다.

그래도 조금씩 가까워지는 것 같기도 하다...

 

---

공부한 내용

1. Pytorch

 1.1. PyTorch 사용 이유

 1.2. PyTorch vs. TensorFlow

  - PyTorch : Dynamic Computation Graph (Define by run)

  - TensorFlow : Define and run

 1.3. PyTorch 장점

  - GPU support

  - Good API and community

 1.4. PyTorch = Numpy + AutoGrad + Function

  - Numpy : numpy와 유사하여 numpy 연산 대부분 사용 가능

  - Autograd : 자동미분 지원

  - Function : 다양한 DL/ML 함수, 모델 지원 

 

2. PyTorch Operations

 2.1. Numpy vs. Tensor

  - Numpy의 ndarray와 tensor 거의 동일(형태, 사용법, 연산, 타입 등)

  - tensor는 list나 ndarrray 이용하여 생성

  - tensor는 gpu에 올려서 사용 (device)

 2.2. Tensor handling

  - view : tensor의 shape 변환

  - squeeze : 차원 압축

  - unsqueeze : 차원 추가

 2.3. view vs. reshape

  - contiguity 보장의 차이

  - view는 원래 데이터의 주소 그대로 사용

  - reshape은 shape 깨지는 순간 원래 데이터 copy

 2.4. dot vs. mm vs. matmul

  - dot : 내적 (dot product)

  ※ broadcasting : ??

  - mm : matrix multiplication, broadcasting 발생 x

  - matmul : broadcasting 발생

 2.5. ML/DL의 다양한 formula 연산

 2.6. AutoGrad

  - 자동 미분 지원

 

3. PyTorch 프로젝트 구조

 

4. 피어세션

https://bagineer.notion.site/level1-22-Day-11-8-17-305ec2997be04f81b0644bb36868da32

level1-22 Day 11 (8/17) 피어세션 회의록