From a09166ba759809638f86f6a433249046808868ff Mon Sep 17 00:00:00 2001 From: imyeyoon Date: Wed, 29 Apr 2026 14:17:47 +0900 Subject: [PATCH] =?UTF-8?q?=EC=98=A4=ED=83=88=EC=9E=90=20=EC=88=98?= =?UTF-8?q?=EC=A0=95?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit --- beginner_source/transfer_learning_tutorial.py | 10 +++++----- 1 file changed, 5 insertions(+), 5 deletions(-) diff --git a/beginner_source/transfer_learning_tutorial.py b/beginner_source/transfer_learning_tutorial.py index 47544579..e73c35be 100644 --- a/beginner_source/transfer_learning_tutorial.py +++ b/beginner_source/transfer_learning_tutorial.py @@ -16,7 +16,7 @@ 실제로 충분한 크기의 데이터셋을 갖추기는 상대적으로 드물기 때문에, (무작위 초기화를 통해) 맨 처음부터 합성곱 신경망(Convolutional Network) 전체를 학습하는 사람은 매우 적습니다. 대신, 매우 큰 데이터셋(예. - 100가지 분류에 대해 120만개의 이미지가 포함된 ImageNet)에서 합성곱 + 100가지 분류에 대해 120만 개의 이미지가 포함된 ImageNet)에서 합성곱 신경망(ConvNet)을 미리 학습한 후, 이 합성곱 신경망을 관심있는 작업 을 위한 초기 설정 또는 고정된 특징 추출기(fixed feature extractor)로 사용합니다. @@ -56,7 +56,7 @@ # # 데이터를 불러오기 위해 torchvision과 torch.utils.data 패키지를 사용하겠습니다. # -# 여기서 풀고자 하는 문제는 **개미** 와 **벌** 을 분류하는 모델을 학습하는 것입니다. +# 여기서 풀고자 하는 문제는 **개미**\와 **벌**\을 분류하는 모델을 학습하는 것입니다. # 개미와 벌 각각의 학습용 이미지는 대략 120장 정도 있고, 75개의 검증용 이미지가 # 있습니다. 일반적으로 맨 처음부터 학습을 한다면 이는 일반화하기에는 아주 작은 # 데이터셋입니다. 하지만 우리는 전이학습을 할 것이므로, 일반화를 제법 잘 할 수 있을 @@ -65,7 +65,7 @@ # 이 데이터셋은 ImageNet의 아주 작은 일부입니다. # # .. Note :: -# 데이터를 `여기 `_ +# 데이터를 `여기 `_\ # 에서 다운로드 받아 현재 디렉토리에 압축을 푸십시오. # 학습을 위해 데이터 증가(augmentation) 및 일반화(normalization) @@ -272,7 +272,7 @@ def visualize_model(model, num_images=6): # 학습 및 평가하기 # ^^^^^^^^^^^^^^^^^^ # -# CPU에서는 15-25분 가량, GPU에서는 1분 이내의 시간이 걸립니다. +# CPU에서는 15-25분가량, GPU에서는 1분 이내의 시간이 걸립니다. # model_ft = train_model(model_ft, criterion, optimizer_ft, exp_lr_scheduler, @@ -320,7 +320,7 @@ def visualize_model(model, num_images=6): # 학습 및 평가하기 # ^^^^^^^^^^^^^^^^^ # -# CPU에서 실행하는 경우 이전과 비교했을 때 약 절반 가량의 시간만이 소요될 것입니다. +# CPU에서 실행하는 경우 이전과 비교했을 때 약 절반가량의 시간만이 소요될 것입니다. # 이는 대부분의 신경망에서 경사도를 계산할 필요가 없기 때문입니다. 하지만, # 순전파는 계산이 필요합니다. #