Python 코드

나의 첫번째 딥러닝 모델 만들기 - 모델 학습

import torch
import torch.nn as nn

# 모델 정의
class SimpleModel(nn.Module):
    def __init__(self):
        super().__init__()
        self.linear = nn.Linear(1, 1)  # 입력 차원 1, 출력 차원 1

def forward(self, x):
        return self.linear(x)

# 모델 인스턴스 생성
model = SimpleModel()

# 데이터 및 레이블 생성
X = torch.randn(100, 1)  # 100개의 입력 데이터 (랜덤)
y = 2 * X + 0.5  # 선형 함수로 레이블 생성 (y = 2x + 0.5)

# 데이터 분할 (훈련 80%, 테스트 20%)
train_size = int(0.8 * len(X))
X_train, X_test = X[:train_size], X[train_size:]
y_train, y_test = y[:train_size], y[train_size:]

# 손실 함수와 optimizer 정의
criterion = nn.MSELoss()
optimizer = torch.optim.SGD(model.parameters(), lr=0.01)

# 모델 학습
epochs = 1000
for epoch in range(epochs):
    y_pred = model(X_train)  # 예측값 계산
    loss = criterion(y_pred, y_train)  # 손실 계산
    optimizer.zero_grad()  # 기울기 초기화
    loss.backward()  # 역전파
    optimizer.step()  # 파라미터 업데이트

# 모델 평가
with torch.no_grad():
    y_pred = model(X_test)  # 테스트 데이터에 대한 예측값 계산
    loss = criterion(y_pred, y_test)  # 테스트 데이터에 대한 손실 계산
    print(f"테스트 데이터에 대한 손실: {loss.item():.4f}")