파이토치로 배우는 LLM & AI

71

2

장

컴퓨터 비전 소개

있습니다.

60

,

000

개는

64

로 나누어 떨어지지 않기 때문입니다.

이제 각 배치에 대해 이전 예제에서 보았던 것과 동일한 루프를 반복합니다. 모델로부터 예

측을 얻고, 손실을 계산하고, 손실의 그레이디언트를 역전파하고, 새로운 파라미터를 최적화

합니다.

모든 데이터(즉, 모든 배치)를 처리하게 되는 훈련 사이클을

에폭

epoch

이라 합니다. 너무 출력

이 많아지지 않도록

100

번의 배치마다 훈련 상태를 출력합니다.

다섯 번의 에폭 동안 신경망을 훈련하려면 다음과 같은 코드를 사용합니다.

# 훈련 과정

epochs = 5

for t in range(epochs):

print(f"에폭{t+1}\n-------------------------------")

train(train_loader, model, loss_function, optimizer)

print("완료!")

이 코드는 단순히 훈련 함수를 다섯 번 호출합니다. 예측을 계산하고, 손실을 구하고, 파라미터

를 최적화하는 훈련 루프에 신경망을 다섯 번 반복 적용하는 것입니다.

2.4

신경망 훈련

코드를 실행하면 에폭마다 신경망이 훈련되는 것을 볼 수 있고, 훈련이 끝나면 다음과 같은 결

과가 나옵니다.

에폭 5

-------------------------------

손실: 0.429329 ...