파이토치로 배우는 LLM & AI

281

10

장

시퀀스를 예측하는 머신러닝 모델 만들기

손실

에폭

훈련 손실

검증 손실

그림

10-4

시계열 데이터에서 시간에 따른

DNN

모델의 손실

10.3

DNN

의 결과 평가하기

훈련된

DNN

을 사용해 예측을 시작할 수 있습니다. 하지만 윈도 데이터셋을 사용했기 때문에

특정 개수의 타입 스텝 값을 기반으로 예측을 만듭니다.

또한, 데이터셋이 배치로 구성되어 있기 때문에 데이터 로더를 사용하여 배치에 대한 예측이

어떻게 되는지 손쉽게 탐색할 수 있습니다.

코드는 다음과 같습니다. 데이터 로더의 배치를 반복하면서 특성과 타깃을 가져온 다음, 배치

를 모델에 전달해 해당 배치에 대한 예측을 얻을 수 있습니다.

for batch_features, batch_targets in val_loader:

batch_features = batch_features.to(device)

predictions = model(batch_features)

val_predictions.extend(predictions.cpu().numpy())

val_targets.extend(batch_targets.numpy())

그런 다음 예측은

.

numpy

()

를 사용하여 파이토치 텐서에서 넘파이 배열로 변환하고,

extend

()

를 호출하여 배치를 단일 리스트로 변환합니다.

282

1

부

모델 구축 ...