오탈자 수정

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 <https://download.pytorch.org/tutorial/hymenoptera_data.zip>`_
+#    데이터를 `여기 <https://download.pytorch.org/tutorial/hymenoptera_data.zip>`_\
 #    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.
 #