Deep Learning
이론의 흐름을 익히고, 작은 코드로 동작을 확인합니다.
PyTorch, 텐서에서 CNN까지
Python의 함수·클래스와 행렬 연산에 익숙하다면 여기서 시작하세요.
읽는 순서 · 텐서와 선형회귀 → XOR → Autograd → DataLoader → 학습·평가 → CNN
PyTorch 01부터 읽기 →개념부터 다시 확인하고 싶다면
이미지 분류 → 손실과 최적화 → 역전파 → 합성곱 → 아키텍처 순으로 연결됩니다.
CNN 기초 읽기 →CNN
CNN 기초
-
1. CNN 2강 - 이미지 분류와 최근접 이웃 분류기
KNN이 이미지에서 왜 안 되는지, Linear Classification이 왜 필요한지 — 처음 배우면서 헷갈렸던 것들
조회수 —
-
2. CNN 3강 - 손실 함수와 최적화
SVM Loss는 왜 max를 쓰는지, Cross Entropy의 log는 뭘 의미하는지 — 수식이 직관으로 바뀌는 순간
조회수 —
-
3. CNN 4강 - 신경망과 역전파
Chain Rule이 왜 필요한지 처음에 몰랐다 — 역전파를 이해하기까지의 과정
조회수 —
-
4. CNN 5강 - 합성곱 신경망 기초
필터가 뭘 보는 건지, 출력 크기는 왜 그렇게 계산되는지 — Conv 연산의 직관을 잡기까지
조회수 —
-
5. CNN 6강 - CNN 아키텍처와 학습 기법
VGGNet은 왜 3x3을 고집하고, ResNet의 skip connection은 왜 천재적인 발상인지
조회수 —
PyTorch
PyTorch 직접 구현하기
-
1. PyTorch 01 - 텐서로 선형회귀를 직접 풀어보기
reshape, cat, ones_like, lstsq와 행렬곱을 따라가며 텐서의 shape가 실제 계산에서 어떤 역할을 하는지 정리
조회수 —
-
2. PyTorch 02 - XOR로 이해하는 신경망 구조와 순전파
nn.Module, Linear, forward와 BCEWithLogitsLoss를 XOR 분류 코드의 텐서 크기를 따라가며 정리
조회수 —
-
3. PyTorch 03 - backward부터 detach까지, Autograd 흐름 읽기
zero_grad, backward, step이 나뉜 이유와 detach, clone, no_grad가 계산 그래프를 어떻게 다루는지 XOR 학습 코드로 정리
조회수 —
-
4. PyTorch 04 - MNIST Dataset과 DataLoader 이해하기
이미지 한 장이 (1, 28, 28) 텐서가 되고 DataLoader에서 (B, 1, 28, 28) 배치로 나오는 과정을 정리
조회수 —
-
5. PyTorch 05 - MNIST 학습과 평가 루프 완성하기
MLP의 hidden dimension부터 CrossEntropyLoss, train/eval, 평균 loss와 accuracy, Matplotlib 기록까지 전체 학습 흐름을 정리
조회수 —
-
6. PyTorch 06 - Strided CNN과 Depthwise Separable CNN
Conv2d의 채널과 공간 크기를 계산하고, pooling을 학습 가능한 convolution으로 바꾸거나 depthwise와 pointwise로 분해하는 과정을 비교
조회수 —