파이토치로 배우는 LLM & AI

114

1

부

모델 구축

콜랩에 이미지를 업로드하여 [그림

3

-

17

]과 같이 예측을 수행할 수 있습니다.

그림

3-17

발을 핥는 고양이 분류 결과

업로드한 첫 번째 이미지는 래브라도 리트리버 강아지입니다. 모델이 반환한 텐서는

[–

14

.

9642

,

18

.

3943

]

이므로 첫 번째 레이블일 가능성은 매우 낮고, 두 번째 레이블일 가능성은 매우 높습

니다. 훈련할 때 이미지 디렉터리를 알파벳 순서로 읽기 때문에 고양이

cat

의 레이블은

0

이고 강

아지

dog

의 레이블은

1

입니다.

torch

.

max

를 사용하여 큰 값을 찾으면

[

1

]

이 반환됩니다. 이는

두 번째 뉴런에 해당하며, 즉 이 이미지는 강아지라는 것을 나타냅니다.

두 번째 이미지에 대해서는 모델이

[

5

.

3486

, –

4

.

8260

]

을 출력했기 때문에 첫 번째 뉴런의 값

이 더 높습니다. 따라서 고양이로 감지했습니다. 이 숫자의 크기는 예측의 강도를 나타냅니다.

예를 들어 첫 번째 이미지가 강아지라는 확신이 두 번째 이미지가 고양이라는 확신보다 훨씬

큽니다.

강아지-고양이 분류 모델에 대한 전체 코드는 깃허브에서 확인할 수 있습니다.

11

11

옮긴이_

dogs

-

vs

-

cats

데이터셋을 사용한 노트북은 원서 깃허브(

https

://

github

.

com

/

lmoroney

/

tfbook

/

blob

/

master

/

chapter3

/

transfer ...