[알쓸쿠잡] PyTorch 사용법1 - 기본&데이터셋

작성자: 13기 김현지

 

PyTorh 사용법 정리!

• Reference: PyTorch로 시작하는 딥러닝 입문, 파이토치 한국 사용자 모임-튜토리얼

 

Contents

1. 파이토치 패키지의 기본 구성
2. DATASET과 DATALOADER

 

---

파이토치 패키지의 기본 구성

1. torch

메인 네임스페이스. 텐스 등의 다양한 수학 함수가 포함되어져 있으며 Numpy와 유사한 구조를 가진다.

2. torch.autograd

자동 미분을 위한 함수들이 포함되어 있다. 자동 미분의 on/off를 제어하는 콘텍스트 매니저(enable_grad/no_grad)나 자체 미분 가능 함수를 정의할 때 사용하는 기반 클래스인 'Function' 등이 포함되어 있다.

3. torch.nn

신경망을 구축하기 위한 다양한 데이터 구조나 레이어 등이 정의되어져 있다. 예를 들어 RNN, LSTM과 같은 레이어, ReLU와 같은 활성화 함수, MSELoss와 같은 손실 함수들이 있다.

4. torch.optim

확률적 경사 하강법(SGD)를 중심으로 한 파라미터 최적화 알고리즘이 구현되어져 있다.

5. torch.utils.data

SGD의 반복 연산을 실행할 때 사용하는 미니 배치용 유틸리티 함수가 포함되어 있다.

6. torch.onnx

ONNX(Open Neural Network Exchange)의 포맷으로 모델을 익스포트(export)할 때 사용한다. ONNX는 서로 다른 딥러닝 프레임워크 간에 모델을 공유할 때 사용하는 포맷이다.

 

---

DATASET과 DATALOADER

데이터 샘플을 처리하는 코드는 지저분하고 유지보수가 어려울 수 있다. 더 나은 가독성과 모듈성을 위해 데이터셋 코드를 모델 학습 코드로부터 분리하는 것이 이상적이다.

PyTorch는 torch.utils.data.DataLoader 와 torch.utils.data.Dataset 의 두 가지 데이터 기본 요소를 제공하여 미리 준비해 둔 데이터셋 뿐만 아니라 가지고 있는 데이터를 사용할 수 있도록 한다.

Dataset 은 샘플과 정답(lable)을 저장하고, DataLoader 는 Dataset 을 샘플에 쉽게 접근할 수 있도록 순회 가능한 객체(iterable)로 감싼다.

 

데이터셋 불러오기

TorchVision에서 Fashion-MNIST 데이터셋을 불러오는 예제를 살펴보자. 다음 매개변수들을 사용하여 데이터셋을 불러온다.

• root은 학습/테스트 데이터가 저장되는 경로이다.
• train은 학습용 또는 테스트용 데이터셋 여부를 지정한다.
• download=True는 root에 데이터가 없는 경우 인터넷에서 다운로드 한다.
• transform과 target_transform은 특징(feature)과 정답(label) 변형(transform)을 지정한다.

import torch
from torch.utils.data import Dataset
from torchvision import datasets
from torchvision.transforms import ToTensor
import matplotlib.pyplot as plt


training_data = datasets.FashionMNIST(
    root="data",
    train=True,
    download=True,
    transform=ToTensor()
)

test_data = datasets.FashionMNIST(
    root="data",
    train=False,
    download=True,
    transform=ToTensor()
)

 

파일에서 사용자 정의 데이터셋 만들기

사용자 정의 Dataset 클래스는 반드시 3개 함수를 구현해야 한다. : __init__, __len__ , __getitem__ .

아래 구현에서 FashionMNIST 이미지들은 img_dir 디렉토리에 저장되고, 정답은 annotations_file csv 파일에 별도로 저장된다.

import os
import pandas as pd
from torchvision.io import read_image

class CustomImageDataset(Dataset):
    def __init__(self, annotations_file, img_dir, transform=None, target_transform=None):
        self.img_labels = pd.read_csv(annotations_file)
        self.img_dir = img_dir
        self.transform = transform
        self.target_transform = target_transform

    def __len__(self):
        return len(self.img_labels)

    def __getitem__(self, idx):
        img_path = os.path.join(self.img_dir, self.img_labels.iloc[idx, 0])
        image = read_image(img_path)
        label = self.img_labels.iloc[idx, 1]
        if self.transform:
            image = self.transform(image)
        if self.target_transform:
            label = self.target_transform(label)
        return image, label

• __init__: Dataset 객체가 생성될 때 한 번만 실행된다. 여기서는 이미지와 주석 파일이 포함된 디렉토리와 두가지 변형을 초기화한다.
• __len__: 데이터셋의 샘플 개수를 반환한다.
• __getitem__: 주어진 인덱스 idx에 해당하는 샘플을 데이터셋에서 불러오고 반환한다. 인덱스를 기반으로, 디스크에서 이미지의 위치를 식별하고, read_image를 사용하여 이미지 텐서로 변환하고, self.img_labels의 csv 데이터로부터 해당하는 정답(label)을 가져오고, 변형(transform)함수들을 호출한 뒤, 텐서 이미지와 라벨을 Python 사전(dict)형으로 반환한다.

 

DataLoader로 학습용 데이터 준비하기

Dataset 은 데이터셋의 특징(feature)을 가져오고 하나의 샘플에 정답(label)을 지정하는 일을 한 번에 한다. 모델을 학습할 때, 일반적으로 샘플들을 “미니배치(minibatch)”로 전달하고, 매 에폭(epoch)마다 데이터를 다시 섞어서 과적합(overfit)을 막고, Python의 multiprocessing 을 사용하여 데이터 검색 속도를 높이려고 한다.

DataLoader 는 간단한 API로 이러한 복잡한 과정들을 추상화한 순회 가능한 객체(iterable)이다.

from torch.utils.data import DataLoader

train_dataloader = DataLoader(training_data, batch_size=64, shuffle=True)
test_dataloader = DataLoader(test_data, batch_size=64, shuffle=True)