파이토치 초보자를 위한 repo입니다.

최종적으로 CNN을 이용한 잘 알려진 네트워크들을 구현하는 것을 목표로 하고 있습니다!

ex) Classification, Detection, Segmentation, Regression, GAN, ...

기본적인 개발 환경 구성 (RTX3090 : CUDA, CuDNN, Windows10에서 작업)

git clone https://github.com/wooni-github/pytorch_tutorials
cd pytorch_tutorials
conda env create --file environment.yaml

혹은 (torch만 각 환경에 맞게 설정)

conda create -n pytorch_tutorials python=3.8
conda activate pytorch_tutorials
conda install pytorch==1.11.0 torchvision==0.12.0 torchaudio==0.11.0 cudatoolkit=11.3 -c pytorch
pip install matplotlib
pip install torchsummary
pip install opencv-python

Requirements

pytorch
torchvision
torchsummary
numpy
matplotlib
opencv

1. Tensor operations, reshape

기본적인 텐서 생성, 변환, 연산(곱, 행렬곱, 합), 접근, 형태 변환 등에 관한 예제입니다.

2. DataLoader

파이토치에서 학습/추론시 배치별 데이터 생성을 위한 DataLoader에 관한 예제입니다.

3. SimpleExamples

본격적인 SOTA를 살펴보기 전, 간단한 예제들을 통해 파이토치의 여러가지 기능을 사용해보는 예제입니다.

• Gradient를 이용한 미분값 구하기
• Linear regression $y = ax + b$

• Lienar regression $y = ax^2 + bx + c$

• MNIST image classification : Multi-Layer Perceptron (MLP) ~ Fully Connected Layers (FCL)
• MNIST image classification : Convolutional Neural Network (CNN)

• MNIST image regression

4. Pretrained networks

파이토치에서 제공하는 다양한 네트워크의 pretrained weights를 이용한 예제입니다.

• Image classification : ImageNet dataset Inference

• Image segmentation : Fully Convolutional Network (FCN) Inference

Input	Segmentation result	Visualize

• Human Pose Estimation (HPE) : keypoint R-CNN Inference

Input	HPE result

5. Transfer learning & Fine tuning

커스텀 데이터셋에 파이토치의 pretrained network를 이용하여 전이학습 (Transfer learning)과 파인 튜닝 (Fine tuning)을 적용해 이미지 분류 (Image classification)를 수행해보는 예제입니다.

또한, 커스텀 데이터셋을 학습하고 변경된 네트워크를 이용한 분류를 수행하도록 합니다.

6. GAN

적대적 생성 신경망 (Generative Adversarial Networks)을 이용한 MNIST 데이터 생성 예제입니다.

• MNIST GAN
• MNIST DCGAN (Deep Convolutional GAN)
• MNIST CGAN (Conditional GAN)