파이토치로 배우는 LLM & AI

292

1

부

모델 구축

로 이곳입니다.

정방향 계산의 나머지 부분은 매우 간단합니다. 그냥 데이터를 다른 층에 통과시키면 됩니다.

손실 함수와 옵티마이저도 간단하며, 평균 제곱 오차와

Adam

을 사용합니다.

criterion = nn.MSELoss()

optimizer = optim.Adam(model.parameters(), lr=learning_rate)

훈련하면 이전처럼 모델을 얻을 수 있습니다. 모델에서 예측을 만들려면 훈련했을 때와 동일하

게 데이터 로더를 사용합니다. 예를 들면 다음과 같습니다.

# DataLoader를 만듭니다.

batch_size = 32

train_loader = DataLoader(train_dataset, batch_size=batch_size,

shuffle=True)

val_loader = DataLoader(val_dataset, batch_size=batch_size, shuffle=False)

다음은 배치별로 전체 시계열 데이터를 예측할 수 있는 헬퍼 함수입니다.

def predict(model, loader):

device = torch.device("cuda" if torch.cuda.is_available() else "cpu")

model.eval()

predictions = []

with torch ...