Python(Colab) 파이토치(Pytorch) + 딥러닝 + CNN 사용해보기

1. 기초설정

import torch

import torch.nn as nn

import torch.optim as optim

 

 

 

2. 데이터 설정

# 예제 데이터 준비

# 배치 크기 / 채널 / 세로 / 가로

inputs = torch.Tensor(1,1,28,28)

print(inputs.shape)

 

 

 

3. 컨볼루젼2d 사용

conv1 = nn.Conv2d(in_channels=1,out_channels=32,kernel_size=3, padding='same')

out1 = conv1(inputs)

print(out1.shape)

해석
첫번째 ) 1개 입력 데이터 / 32개 출력 데이터 / 필터 사이즈 (3,3) / padding으로 주위가 0(black) 설정
두번째)  예시 데이터를 컨볼루전에 대입
세번째) 결과 모양 출력 (padding설정으로 크기가 줄지 않았다.)

 

 

 

4. pooling하기

pool= nn.MaxPool2d(kernel_size=2)

out2 = pool(out1)

print(out2.shape)

해석
첫번째) maxpooling(필터별 각 최대값만 저장)하는 모델을 형성한다. (필터는 2*2)
두번째) 모델에  cov2d를 적용했던 데이터 적용
세번째) 결과 확인 2*2 필터로 핵심적인 feature만 추출했기 때문에 사이즈 감소

 

 

 

5. 두번째 컨볼루젼

conv2 = nn.Conv2d(in_channels=32,out_channels=64,kernel_size=3, padding='same')

out3 = conv2(out2)

print(out3.shape)

 

해석
첫번째) pooling한 데이터의 채널이 32개 임으로 input이 32개 
두번째 ) 32개 입력 데이터 / 64개 출력 데이터 / 필터 사이즈 (3,3) / padding으로 주위가 0(black) 설정
세번째)  예시 데이터를 컨볼루전에 대입
네번째) 결과 모양 출력  (padding설정으로 크기가 줄지 않았다.)

 

 

 

6. 두번째 pooling

pool= nn.MaxPool2d(kernel_size=2)

out4 = pool(out3)

print(out4.shape)

해석
첫번째) maxpooling(필터별 각 최대값만 저장)하는 모델을 형성한다. (필터는 2*2)
두번째) 모델에  2번쨰 cov2d를 적용했던 데이터 적용
세번째) 결과 확인 2*2 필터로 핵심적인 feature만 추출했기 때문에 사이즈 감소

 

 

 

7. fc 모델에 넣기 전 평탄화 (선형회귀 모델에 넣기 위해)

 

flatten = nn.Flatten()

out5 = flatten(out4)

out5.shape # 64 * 7 * 7

해석
Batch_size 1      X       Channel 64          X         Row 7            X          Col 7                = 3136  

 

8. 선형회귀 모델에 넣기 (fc Layer 역할)

fc = nn.Linear(3136,10)

out6 = fc(out5)

print(out6.shape)

해석
선형회귀 모델에 3136개의 input을 넣고 10개의 ouput을 받겠다.