이게 그래프뉴럴 네트워크가 맞나요?

Question

global train_lossestrain_losses&#61;[]def train_epocs(model, epochs&#61;10, lr&#61;0.01, wd&#61;0.0, unsqueeze&#61;False): optimizer &#61; torch.optim.Adam(model.parameters(), lr&#61;lr, weight_decay&#61;wd) #lr lr: Learning Rate의 약자로 최적화 과정에서 각 반복에서 단계 크기를 제어하는 하이퍼 매개변수입니다. 계산된 그래디언트와 관련하여 모델의 매개변수가 # 조정되는 정도를 결정합니다. 학습률이 높으면 수렴 속도가 빨라지지만 오버슈팅이 발생할 수도 있고, 학습률이 낮으면 정확하지만 수렴 속도가 느려질 수 있습니다. #옵티마이저 학습이란 최대한 틀리지 않는 방향으로 하는 것 얼마나 틀리는지를 알게하는것이 loss인데 이것의 최솟값을 찾는것을 목표로 하는 알고리즘이 옵티마이저 model.train() for i in range(epochs): global users,items,ratings users &#61; torch.LongTensor(df_train.userId.values) # .cuda() items &#61; torch.LongTensor(df_train.movieId.values) #.cuda() ratings &#61; torch.FloatTensor(df_train.rating.values) #.cuda() if unsqueeze: ratings &#61; ratings.unsqueeze(1) y_hat &#61; model(users, items) loss &#61; F.mse_loss(y_hat, ratings) train_losses.append(loss) optimizer.zero_grad() loss.backward() optimizer.step() print(&#34;epochs : &#34;,i) print(&#34;train loss %.3f &#34; % loss.item()) validation_loss(model, unsqueeze)

뎅이 · Answer

그냥 back propagation 알고리즘의 일부네요? 전부도 아니고요.Tensorflow니 Pytorch니 공부하시는 분들 보면 코딩먼저 들어가는데먼저 Neural Network 이론 공부부터 하셔야 해요. 그게 기초거든요.

이게 그래프뉴럴 네트워크가 맞나요?

1개의 답변

Q&A 목록