[python] 파이썬 PyTorch에서 모델의 가중치를 업데이트하는 방법은?

22 Nov 2023

python

PyTorch는 딥러닝 모델을 구축하고 학습하는 데 사용되는 인기있는 프레임워크입니다. 모델의 가중치를 업데이트하는 방법은 매우 중요합니다. 이를 통해 모델을 훈련시키거나 새로운 데이터에 대한 예측을 수행할 수 있습니다.

가장 간단한 방법은 옵티마이저(optimizer)를 사용하여 가중치를 업데이트하는 것입니다. PyTorch의 torch.optim 모듈은 다양한 옵티마이저를 제공합니다. 가장 일반적으로 사용되는 옵티마이저 중 하나는 torch.optim.SGD입니다. 다음은 가중치를 업데이트하는 예시 코드입니다:

import torch
import torch.nn as nn
import torch.optim as optim

# 예제를 위해 간단한 모델 정의
class MyModel(nn.Module):
    def __init__(self):
        super(MyModel, self).__init__()
        self.linear = nn.Linear(10, 1)

    def forward(self, x):
        return self.linear(x)

# 모델 인스턴스 생성
model = MyModel()

# 손실 함수 정의
criterion = nn.MSELoss()

# 옵티마이저 정의
optimizer = optim.SGD(model.parameters(), lr=0.01)

# 입력 데이터 및 레이블 생성
inputs = torch.randn(10)
labels = torch.randn(1)

# 학습
optimizer.zero_grad()  # 그래디언트 초기화
outputs = model(inputs)
loss = criterion(outputs, labels)
loss.backward()        # 역전파
optimizer.step()       # 가중치 업데이트

# 새로운 데이터에 대한 예측
new_inputs = torch.randn(10)
new_outputs = model(new_inputs)

위의 예시에서, 우리는 MyModel이라는 가상의 모델을 정의합니다. 그리고 torch.optim.SGD를 사용하여 옵티마이저를 초기화합니다. optimizer.zero_grad()를 사용하여 그래디언트를 초기화하고, 모델의 출력과 레이블을 사용하여 손실을 계산합니다. 그리고 loss.backward()를 호출하여 그래디언트를 계산하고, optimizer.step()을 호출하여 가중치를 업데이트합니다.

새로운 데이터에 대한 예측을 수행하기 위해, 위의 코드에서처럼 새로운 입력 데이터를 모델에 전달하여 model()을 호출하면 됩니다.

추가적인 정보나 참고 자료를 원하실 경우, PyTorch 공식 문서(https://pytorch.org/docs/stable/index.html)를 참조하시기 바랍니다.