Skip to content

fix/typo : beginner_source/introyt/introyt1_tutorial.py #1099

New issue

Have a question about this project? Sign up for a free GitHub account to open an issue and contact its maintainers and the community.

Sign up for GitHub

By clicking “Sign up for GitHub”, you agree to our terms of service and privacy statement. We’ll occasionally send you account related emails.

Already on GitHub? Sign in to your account

Open
hijyun wants to merge 1 commit into
base: master
Choose a base branch
from
Open

fix/typo : beginner_source/introyt/introyt1_tutorial.py #1099

Changes from all commits
Commits
Show all changes
1 commit
Select commit
File filter

Filter by extension

Filter by extension
Conversations
Failed to load comments.
Loading
Jump to
Jump to file
Failed to load files.
Loading
Diff view
Diff view
16 changes: 8 additions & 8 deletions beginner_source/introyt/introyt1_tutorial.py
View file
Open in desktop
Original file line number Diff line number Diff line change
Expand Up @@ -210,7 +210,7 @@ def num_flat_features(self, x):
# ``Conv2d`` 와 ``Linear`` 계층 클래스도 ``torch.nn.Module`` 에서
# 상속됩니다.
# - 모델은 계층을 인스턴스화하고 필요한 데이터 아티팩트를 로드하는
# ``__init__()`` 함수를 가지고 있습니다. (예를들면 NLP 모델은 어휘를 불러올 수 있)
# ``__init__()`` 함수를 가지고 있습니다. (예를 들면 NLP 모델은 어휘를 불러올 수 있습니다)
# - 모델은 ``forward()`` 함수를 가지고 있다. 여기서 실제 계산이 수행됩니다.
# 입력은 네트워크 계층 및 다양한 기능들을 통과시켜 결과를 생성합니다.
# - 그 외에는 다른 파이썬 클래스처럼 모델 클래스를 구성할 수 있습니다.
Expand All @@ -233,17 +233,17 @@ def num_flat_features(self, x):


##########################################################################
# 위에서 몇가지 중요한 일들이 일어나고 있습니다.
# 위에서 몇 가지 중요한 일들이 일어나고 있습니다.
#
# 첫째, ``LeNet`` 클래스를 인스턴스화하고 ``net`` 객체를 출력합니다.
# ``torch.nn.Module`` 의 하위 클래스는 생성된 레이어의 모양과 파라미터를 알려줍니다.
# 모델의 처리 결과를 얻으려는 경우, 모델의 편리한 기능을 제공할 수 있습니다.
#
# 아래에서 1 채널과 32x32 이미지크기를 가진 더미 입력을 생성합니다.
# 일반적으로 배치 이미지를읽어들이고,이미지와 같은 크기의 텐서로 변환합니다.
# 아래에서 1 채널과 32x32 이미지 크기를 가진 더미 입력을 생성합니다.
# 일반적으로 배치 이미지를 읽어들이고, 이미지와 같은 크기의 텐서로 변환합니다.
#
# tensor 의 추가 차원인 *batch 차원* 을 알아챘을 수 있습니다.
# PyTorch 모델은 데이터의 *batch* 에 작업한다고 가정합니다. 예를들어
# PyTorch 모델은 데이터의 *batch* 에 작업한다고 가정합니다. 예를 들어
# 16개 이미지의 배치는 ``(1, 1, 32, 32)`` 모양을 가질 것입니다.
# 이 샘플에서는 하나의 이미지만 사용하기 때문에 ``(1, 1, 32, 32)`` 모양을 가진
# batch를 만듭니다.
Expand Down Expand Up @@ -352,11 +352,11 @@ def num_flat_features(self, x):
# ``DataLoader`` 는 데이터에 대해 *아무것도* 알지 못하지만
# ``Dataset`` 이 제공하는 입력 tensor를 사용자가 지정한 파라미터로 구성합니다.
#
# 위 예제에서 ``DataLoader`` 에서에서 무작위 추출( ``shuffle=True`` )한 4개의
# 위 예제에서 ``DataLoader`` 에서 무작위 추출( ``shuffle=True`` )한 4개의
# batch 이미지를 ``trainset`` 에서 추출하고 disk에서 데이터를 로드하기
# 위해 2개의 workers를 spin up 했습니다.
#
# ``DataLoader`` 가 제공하는 batch 이미지를 시각화 하는것은 좋은 연습입니다:
# ``DataLoader`` 가 제공하는 batch 이미지를 시각화 하는 것은 좋은 연습입니다:
#

import matplotlib.pyplot as plt
Expand Down Expand Up @@ -412,7 +412,7 @@ def imshow(img):
#########################################################################
# 첫째로, 학습 및 테스트 데이터셋이 필요합니다. 아직 다운로드하지 않은 경우,
# 아래 셀을 실행하여 데이터셋이 다운로드 되었는지 확인하세요.(다운로드 시
# 수 분정도 소요됩니다)
# 수 분 정도 소요됩니다)
#

transform = transforms.Compose(
Expand Down